multiplex

paddle.fluid.layers.multiplex(inputs, index)[源代码]

根据给定的index参数，该OP从每个输入Tensor中选择特定行构造输出Tensor。

设该OP输入包含

multiplex - 图1

个Tensor，其中

multiplex - 图2

代表第i个输入Tensor，

multiplex - 图3

处于区间

multiplex - 图4

。

设该OP输出为

multiplex - 图5

，其中

multiplex - 图6

为输出的第i行，则输出满足：

multiplex - 图7

示例：

  1. # 输入为4个shape为[4,4]的Tensor
  2. inputs = [[[0,0,3,4], [0,1,3,4], [0,2,4,4], [0,3,3,4]],
  3.           [[1,0,3,4], [1,1,7,8], [1,2,4,2], [1,3,3,4]],
  4.           [[2,0,3,4], [2,1,7,8], [2,2,4,2], [2,3,3,4]],
  5.           [[3,0,3,4], [3,1,7,8], [3,2,4,2], [3,3,3,4]]]
  7. # index为shape为[4,1]的Tensor
  8. index = [[3],[0],[1],[2]]
  10. # 输出shape为[4,4]
  11. out = [[3,0,3,4]    // out[0] = inputs[index[0]][0] = inputs[3][0] = [3,0,3,4]
  12.        [0,1,3,4]    // out[1] = inputs[index[1]][1] = inputs[0][1] = [0,1,3,4]
  13.        [1,2,4,2]    // out[2] = inputs[index[2]][2] = inputs[1][2] = [1,2,4,2]
  14.        [2,3,3,4]]   // out[3] = inputs[index[3]][3] = inputs[2][3] = [2,3,3,4]

参数

  • inputs （list） - 为输入Tensor列表，列表元素为数据类型为float32，float64，int32，int64的多维Tensor。所有输入Tensor的shape应相同，秩必须至少为2。
  • index （Variable）- 用来选择输入Tensor中的某些行构建输出Tensor的索引，为数据类型为int32或int64、shape为[M, 1]的2-D Tensor，其中M为输入Tensor个数。

返回

进行Multiplex运算后的输出Tensor。

返回类型

Variable(Tensor)。

代码示例

  1. import paddle.fluid as fluid
  2. import numpy as np
  4. x1 = fluid.layers.data(name='x1', shape=[4], dtype='float32')
  5. x2 = fluid.layers.data(name='x2', shape=[4], dtype='float32')
  6. index = fluid.layers.data(name='index', shape=[1], dtype='int32')
  7. out = fluid.layers.multiplex(inputs=[x1, x2], index=index)
  9. exe = fluid.Executor(fluid.CPUPlace())
  10. exe.run(fluid.default_startup_program())
  12. img1 = np.array([[1, 2], [3, 4]]).astype(np.float32)
  13. img2 = np.array([[5, 6], [7, 8]]).astype(np.float32)
  14. index = np.array([[1], [0]]).astype(np.int32)
  16. res = exe.run(fluid.default_main_program(), feed={'x1':img1, 'x2':img2, 'index':index}, fetch_list=[out])
  17. print(res) # [array([[5., 6.], [3., 4.]], dtype=float32)]