crop_tensor

paddle.fluid.layers.crop_tensor(x, shape=None, offsets=None, name=None)[源代码]

根据偏移量（offsets）和形状（shape），裁剪输入（x）Tensor。

示例：

  1. * 示例1（输入为2-D Tensor）：
  3.     输入：
  4.         X.shape = [3, 5]
  5.         X.data = [[0, 1, 2, 0, 0],
  6.                   [0, 3, 4, 0, 0],
  7.                   [0, 0, 0, 0, 0]]
  9.     参数：
  10.         shape = [2, 2]
  11.         offsets = [0, 1]
  13.     输出：
  14.         Out.shape = [2, 2]
  15.         Out.data = [[1, 2],
  16.                     [3, 4]]
  18. * 示例2（输入为3-D Tensor）：
  20.     输入：
  22.         X.shape = [2, 3, 4]
  23.         X.data =  [[[0, 1, 2, 3],
  24.                     [0, 5, 6, 7],
  25.                     [0, 0, 0, 0]],
  26.                    [[0, 3, 4, 5],
  27.                     [0, 6, 7, 8],
  28.                     [0, 0, 0, 0]]]
  30.     参数：
  31.         shape = [2, 2, -1]
  32.         offsets = [0, 0, 1]
  34.     输出：
  35.         Out.shape = [2, 2, 3]
  36.         Out.data = [[[1, 2, 3],
  37.                      [5, 6, 7]],
  38.                     [[3, 4, 5],
  39.                      [6, 7, 8]]]

参数

  • x (Variable): 1-D到6-D Tensor，数据类型为float32、float64、int32或者int64。
  • shape (list|tuple|Variable) - 输出Tensor的形状，数据类型为int32。如果是列表或元组，则其长度必须与x的维度大小相同，如果是Variable，则其应该是1-D Tensor。当它是列表时，每一个元素可以是整数或者形状为[1]的Tensor。含有Variable的方式适用于每次迭代时需要改变输出形状的情况。
  • offsets (list|tuple|Variable，可选) - 每个维度上裁剪的偏移量，数据类型为int32。如果是列表或元组，则其长度必须与x的维度大小相同，如果是Variable，则其应是1-D Tensor。当它是列表时，每一个元素可以是整数或者形状为[1]的Variable。含有Variable的方式适用于每次迭代的偏移量（offset）都可能改变的情况。默认值：None，每个维度的偏移量为0。
  • 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

裁剪后的Tensor，数据类型与输入（x）相同。

返回类型

Variable

抛出异常

  • TypeError - x 的数据类型应该是float32、float64、int32或者int64。
  • TypeError - shape 应该是列表、元组或Variable。
  • TypeError - shape 的数据类型应该是int32。
  • TypeError - offsets 应该是列表、元组、Variable或None。
  • TypeError - offsets 的数据类型应该是int32。
  • TypeError - offsets 的元素应该大于等于0。

代码示例

  1. import paddle.fluid as fluid
  2. x = fluid.data(name="x", shape=[None, 3, 5], dtype="float32")
  3. # x.shape = [-1, 3, 5], where -1 indicates batch size, and it will get the exact value in runtime.
  5. # shape is a 1-D Tensor
  6. crop_shape = fluid.data(name="crop_shape", shape=[3], dtype="int32")
  7. crop0 = fluid.layers.crop_tensor(x, shape=crop_shape)
  8. # crop0.shape = [-1, -1, -1], it means crop0.shape[0] = x.shape[0] in runtime.
  10. # or shape is a list in which each element is a constant
  11. crop1 = fluid.layers.crop_tensor(x, shape=[-1, -1, 3], offsets=[0, 1, 0])
  12. # crop1.shape = [-1, 2, 3]
  14. # or shape is a list in which each element is a constant or Tensor
  15. y = fluid.data(name="y", shape=[3, 8, 8], dtype="float32")
  16. dim1 = fluid.layers.data(name="dim1", shape=[1], dtype="int32")
  17. crop2 = fluid.layers.crop_tensor(y, shape=[3, dim1, 4])
  18. # crop2.shape = [3, -1, 4]
  20. # offsets is a 1-D Tensor
  21. crop_offsets = fluid.data(name="crop_offsets", shape=[3], dtype="int32")
  22. crop3 = fluid.layers.crop_tensor(x, shape=[-1, 2, 3], offsets=crop_offsets)
  23. # crop3.shape = [-1, 2, 3]
  25. # offsets is a list in which each element is a constant or Tensor
  26. offsets_var =  fluid.data(name="dim1", shape=[1], dtype="int32")
  27. crop4 = fluid.layers.crop_tensor(x, shape=[-1, 2, 3], offsets=[0, 1, offsets_var])
  28. # crop4.shape = [-1, 2, 3]