sequence_expand_as

paddle.static.nn. sequence_expand_as ( x, y, name=None ) [源代码]

Sequence Expand As Layer,该 OP 根据输入 y 的第 0 级 lod 对输入 x 进行扩展。当前实现要求 y 的 lod 层数(level)必须为 1,且 x 的第一维必须和 y 的第 0 层 lod 大小相同,所以扩展后的 LodTensor 具有和 y 相同的 lod。扩展结果与输入 x 的 lod 无关,所以无需考虑 x 的 lod。

该 API 的输入 x 可以是 Tensor, y 只能是 LodTensor。

范例解释如下:

例 1:
假设,有 4 个长度维 1 的序列[a]、[b]、[c]和[d],现在要将其扩展为长度是 3、3、1、1 的序列[a][a][a]、[b][b][b]、[c]和[d]。
显然,扩展后的序列 lod 为[0, 3, 6, 7, 8],则:
给定输入一维 Tensor x
    x.data = [[a], [b], [c], [d]]
    x.dims = [4, 1]
和输入 y
    y.lod = [[3, 3, 1, 1]]    #为了便于理解这里用基于长度 lod 表示

经过 sequence_expand_as 运算,得到输出 1 级 Tensor out
    out.lod =  [[0,            3,              6,  7,  8]]    #基于偏移的 lod,等价于基于长度的[[3, 3, 1, 1]]
    out.data = [[a], [a], [a], [b], [b], [b], [c], [d]]
    out.dims = [8, 1]

可见,输出 out 将 x 扩展至和 y 具有相同的 lod。
例 2:
设定与例 1 类似,给定输入一维 Tensor x:
    x.data = [[a, b], [c, d], [e, f]]
    x.dims = [3, 2]
和输入 y:
    y.lod = [[2, 1, 3]]    #为了便于理解这里用基于长度 lod 表示

输出为 1 级 Tensor:
    out.lod =  [[0,             2,     3,                    6]]    #基于偏移的 lod,等价于基于长度的[[2, 1, 3]]
    out.data = [[a, b], [a, b] [c, d], [e, f], [e, f], [e, f]]
    out.dims = [6, 2]

可见,输出 out 将 x 扩展至和 y 具有相同的 lod。

参数

  • x (Variable) - 输入变量,维度为 \([M, K]\) 的二维 Tensor,第一维必须与输入 y 的第 0 层 lod 大小相同,且仅支持 lod_level 为 1。数据类型支持 int32,int64,float32 或 float64。

  • y (Variable) - 输入变量,Tensor,lod level 必须为 1。

  • 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 \([N, K]\) 的二维 Tensor,N 由输入 y 的 lod 决定,且仅支持 lod_level 为 1。数据类型与输入 x 一致。

代码示例

import paddle
import paddle.fluid as 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_as(x=x, y=y)

exe = fluid.Executor(fluid.CPUPlace())
place = fluid.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')