gather_nd

paddle.fluid.layers.gather_nd(input, index, name=None)[源代码]

该OP是 gather 的高维推广,并且支持多轴同时索引。 index 是一个K维度的张量,它可以认为是从 input 中取K-1维张量,每一个元素是一个切片:

\[output[(i_0, ..., i_{K-2})] = input[index[(i_0, ..., i_{K-2})]]\]

显然, index.shape[-1] <= input.rank 并且输出张量的维度是 index.shape[:-1] + input.shape[index.shape[-1]:]

示例:

给定:
    input = [[[ 0,  1,  2,  3],
              [ 4,  5,  6,  7],
              [ 8,  9, 10, 11]],
             [[12, 13, 14, 15],
              [16, 17, 18, 19],
              [20, 21, 22, 23]]]
    input.shape = (2, 3, 4)

- 案例 1:
    index = [[1]]

    gather_nd(input, index)
             = [input[1, :, :]]
             = [[12, 13, 14, 15],
                [16, 17, 18, 19],
                [20, 21, 22, 23]]

- 案例 2:

    index = [[0,2]]
    gather_nd(input, index)
             = [input[0, 2, :]]
             = [8, 9, 10, 11]

- 案例 3:

    index = [[1, 2, 3]]
    gather_nd(input, index)
             = [input[1, 2, 3]]
             = [23]
参数:
  • input (Variable) - 输入张量,数据类型可以是int32,int64,float32,float64, bool。
  • index (int) - 输入的索引张量,数据类型为非负int32或非负int64。它的维度 index.rank 必须大于1,并且 index.shape[-1] <= input.rank
  • name (string) - 该层的名字,默认值为None,表示会自动命名。

返回:shape为index.shape[:-1] + input.shape[index.shape[-1]:]的Tensor|LoDTensor,数据类型与 input 一致。

返回类型:Variable

代码示例

import paddle.fluid as fluid
x = fluid.layers.data(name='x', shape=[3, 4, 5], dtype='float32')
index = fluid.layers.data(name='index', shape=[2, 2], dtype='int32')
output = fluid.layers.gather_nd(x, index)