sequence_expand

paddle.static.nn. sequence_expand ( x, y, ref_level=- 1, name=None ) [源代码]

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 Tensor 处理。

该 API 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 Tensor 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 Tensor 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 Tensor 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 Tensor 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。数据类型支持 int32，int64，float32 或 float64。

  • y (Variable) - 输入变量，lod level 至少为 1 的 Tensor。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 Tensor，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 base
>>> 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(base.CPUPlace())
>>> place = paddle.CPUPlace()

>>> np_data = np.array([[1], [2], [3], [4]]).astype('float32')
>>> x_lod_tensor = base.create_lod_tensor(np_data, [[2, 2]], place)
>>> print(x_lod_tensor)
- lod: {{0, 2, 4}}
- place: Place(cpu)
- shape: [4, 1]
- layout: NCHW
- dtype: float32
- data: [1 2 3 4]

>>> np_data = np.array([[1], [2], [3], [4], [5], [6], [7], [8]]).astype('float32')
>>> y_lod_tensor = base.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}}
- place: Place(cpu)
- shape: [8, 1]
- layout: NCHW
- dtype: float32
- data: [1 2 3 4 5 6 7 8]

>>> out_main = exe.run(base.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}}
- place: Place(cpu)
- shape: [8, 1]
- layout: NCHW
- dtype: float32
- data: [1 2 1 2 3 4 3 4]