sequence_expand¶
- api_attr
-
声明式编程模式（静态图)
序列扩张层（Sequence Expand Layer)，根据输入 y 的第 ref_level 层lod对输入 x 进行扩展。 x 的lod level最多为1，若 x 的lod level为1，则 x 的lod大小必须与 y 的第 ref_level 层lod大小相等；若 x 的lod level为0，则 x 的第一维大小必须与 y 第 ref_level 层大小相等。 x 的秩最少为2，当 x 的秩大于2时，将被当作是一个二维张量处理。
注意，该OP的输入 x 可以是Tensor或LodTensor， y 只能是LodTensor。
范例解释如下：
例1：
假设两个长度为2的序列[a][b]和[c][d]，欲将其扩展为4个长度为2的序列[a][b]、[a][b]、[c][d]、[c][d]。
序列[a][b]扩展2次，[c][d]扩展2次，扩展所需依据的lod为[2, 2]，则：
给定输入一维LoDTensor x
x.lod = [[2, 2]] #表示两个序列的长度为2，为了便于理解这里用基于长度lod表示
x.data = [[a], [b], [c], [d]]
x.dims = [4, 1]
和输入 y
y.lod = [[2, 2], #第0层lod，指定按该层扩展，表示分别扩展2次，为了便于理解这里用基于长度lod表示
[3, 3, 1, 1]] #第1层lod，注意，因为指定ref_level为0，所以这一层与运算无关
指定 ref_level = 0，依据y的第0层lod进行扩展，
经过sequence_expand，输出为1级LoDTensor out
out.lod = [[0, 2, 4, 6, 8]] #基于偏移的lod，等价于基于长度的[[2, 2, 2, 2]]
out.data = [[a], [b], [a], [b], [c], [d], [c], [d]]
out.dims = [8, 1]
例2：
假设有3个长度维1的序列[a]、[b]、[c]，现在要将其扩展为长度是2、0、3的序列[a][a]、[c][c][c]。
显然，扩展后的序列lod为[2, 0, 3]，则：
给定输入一维LoDTensor x
x.data = [[a], [b], [c]]
x.dims = [3, 1]
和输入 y
y.lod = [[2, 0, 3]]
默认 ref_level = -1
经过sequence_expand，输出为1级LoDTensor out
out.data = [[a], [a], [c], [c], [c]]
out.dims = [5, 1]
参数¶
x (Variable) - 输入变量，维度为 \([M, K]\) ，lod level至多1的二维Tensor或LoDTensor。数据类型支持int32，int64，float32或float64。
y (Variable) - 输入变量，lod level至少为1的LoDTensor。数据类型不限。
ref_level (int，可选) - 扩展
x所依据的y的lod层。默认值-1，表示lod的最后一层。name (str，可选) - 具体用法请参见 Name ，一般无需设置，默认值为None。
返回¶
扩展变量，维度为 \([N, K]\) 的LoDTensor，N由输入 x 和 y 的lod共同决定。数据类型与输入 x 一致。
代码示例¶
import paddle
from paddle import fluid
paddle.enable_static()
import numpy as np
x = paddle.static.data(name='x', shape=[4, 1], dtype='float32')
y = paddle.static.data(name='y', shape=[8, 1],
dtype='float32', lod_level=1)
out = paddle.static.nn.sequence_expand(x=x, y=y, ref_level=0)
exe = paddle.static.Executor(fluid.CPUPlace())
place = paddle.CPUPlace()
np_data = np.array([[1], [2], [3], [4]]).astype('float32')
x_lod_tensor = fluid.create_lod_tensor(np_data, [[2, 2]], place)
print(x_lod_tensor)
#lod: [[0, 2, 4]]
# dim: 4, 1
# layout: NCHW
# dtype: float
# data: [1 2 3 4]
np_data = np.array([[1], [2], [3], [4], [5], [6], [7], [8]]).astype('float32')
y_lod_tensor = fluid.create_lod_tensor(np_data, [[2, 2], [3,3,1,1]], place)
print(y_lod_tensor)
#lod: [[0, 2, 4][0, 3, 6, 7, 8]]
# dim: 8, 1
# layout: NCHW
# dtype: int64_t
# data: [0 0 1 1 1 1 1 0]
out_main = exe.run(fluid.default_main_program(),
feed={'x': x_lod_tensor, 'y': y_lod_tensor},
fetch_list=[out], return_numpy=False)
print(out_main[0])
#lod: [[0, 2, 4, 6, 8]]
# dim: 8, 1
# layout: NCHW
# dtype: float
# data: [1 2 1 2 3 4 3 4]