sequence_last_step

注意：该API仅支持【静态图】模式

  • paddle.fluid.layers.sequence_last_step(input)[源代码]

该OP 仅支持LoDTensor类型的输入 ，将对输入的LoDTensor，在最后一层lod_level上，选取其每个序列（sequence）的最后一个时间步（time-step）的特征向量作为池化后的输出向量。

  1. Case 1:
  2.  
  3.     input是1-level的LoDTensor:
  4.         input.lod = [[0, 2, 5, 7]]
  5.         input.data = [[1.], [3.], [2.], [4.], [6.], [5.], [1.]]
  6.         input.shape = [7, 1]
  7.  
  8.     输出为LoDTensor:
  9.         out.shape = [3, 1]
  10.         且 out.shape[0] == len(x.lod[-1]) == 3
  11.  
  12.         out.data = [[3.], [6.], [1.]], where 3.=last(1., 3.), 6.=last(2., 4., 6.), 1.=last(5., 1.)
  13.  
  14. Case 2:
  15.  
  16.     input是2-level的LoDTensor, 包含3个长度分别为[2, 0, 3]的序列，其中中间的0表示序列为空。
  17.     第一个长度为2的序列包含2个长度分别为[1, 2]的子序列；
  18.     最后一个长度为3的序列包含3个长度分别为[1, 0, 3]的子序列。
  19.         input.lod = [[0, 2, 2, 5], [0, 1, 3, 4, 4, 7]]
  20.         input.data = [[1.], [3.], [2.], [4.], [6.], [5.], [1.]]
  21.         input.shape = [7, 1]
  22.  
  23.     将根据最后一层的lod信息[0, 1, 3, 4, 4, 7]进行池化操作，且pad_value = 0.0
  24.     输出为LoDTensor：
  25.         out.shape= [5, 1]
  26.         out.lod = [[0, 2, 2, 5]]
  27.         其中 out.shape[0] == len(x.lod[-1]) == 5
  28.         out.data = [[1.], [2.], [4.], [0.0], [1.]]
  29.         where 1.=last(1.), 2.=last(3., 2.), 4.=last(4.), 0.0 = pad_value, 1=last(6., 5., 1.)

参数：input (Variable)- 类型为LoDTensor的输入序列，仅支持lod_level不超过2的LoDTensor，数据类型为float32。

返回：每个输入序列中的最后一步特征向量组成的LoDTensor，数据类型为float32。

返回类型：Variable

代码示例：

  1. import paddle.fluid as fluid
  2. x = fluid.layers.data(name='x', shape=[7, 1], append_batch_size=False,
  3.              dtype='float32', lod_level=1)
  4. x_last_step = fluid.layers.sequence_last_step(input=x)