reshape

paddle.fluid.layers.reshape ( x, shape, actual_shape=None, act=None, inplace=False, name=None ) [源代码]

该OP在保持输入 x 数据不变的情况下,改变 x 的形状。

目标形状可由 shapeactual_shape 给出。当两个属性同时被指定时,actual_shape 的优先级高于 shape ,但此时 shape 只能是整数列表或元组,且在编译时仍然应该正确地设置 shape 以保证形状推断。

在指定目标shape时存在一些技巧:

  1. 1. -1 表示这个维度的值是从x的元素总数和剩余维度推断出来的。因此,有且只有一个维度可以被设置为-1
  2. 2. 0 表示实际的维数是从x的对应维数中复制出来的,因此shape0的索引值不能超过x的维度。

这里有一些例子来解释它们:

  1. 1. 给定一个形状为[2,4,6]的三维张量x,目标形状为[6,8],则将x变换为形状为[6,8]的2-D张量,且x的数据保持不变。
  2. 2. 给定一个形状为[2,4,6]的三维张量x,目标形状为[2,3,-1,2],则将x变换为形状为[2,3,4,2]的4-D张量,且x的数据保持不变。在这种情况下,目标形状的一个维度被设置为-1,这个维度的值是从x的元素总数和剩余维度推断出来的。
  3. 3. 给定一个形状为[2,4,6]的三维张量x,目标形状为[-1,0,3,2],则将x变换为形状为[2,4,3,2]的4-D张量,且x的数据保持不变。在这种情况下,0对应位置的维度值将从x的对应维数中复制,-1对应位置的维度值由x的元素总数和剩余维度推断出来。

参数 actual_shape 之后将被舍弃,只用参数 shape 来表示目标形状。

参数:

  • x (Tensor)- N-D Tensor,数据类型为 float32float64int32,或 int64

  • shape (list|tuple|Tensor)- 数据类型是 int32 。定义目标形状。目标形状最多只能有一个维度为-1。如果 shape 的类型是 list 或 tuple, 它的元素可以是整数或者形状为[1]的 Tensor。如果 shape 的类型是 Tensor,则是1-D的 Tensor

  • actual_shape (Tensor,可选)- 1-D Tensor,默认值:None。如果 actual_shape 被提供,actual_shape 具有比 shape 更高的优先级,此时 shape 只能是整数列表或元组。更新提示:actual_shape 在未来的版本中将被舍弃,并用 shape 代替。

  • act (str,可选)- 对形状改变后的输入变量做非线性激活操作,激活函数类型可以参考 激活函数 。默认值: None

  • inplace (bool,可选)- 如果 inplaceTrue,则 layers.reshape 的输入和输出是同一个变量,否则 layers.reshape 的输入和输出是不同的变量。默认值:False。请注意,如果 x 是多个OP的输入,则 inplace 必须为False。

  • name (str,可选)- 具体用法请参见 Name ,一般无需设置。默认值: None

返回:

Tensor,改变形状后的 Tensor,数据类型与 x 相同。如果 inplaceFalse,则返回一个新的变量,否则将改变输入变量 x 自身。如果 actNone,则直接返回形状改变后的变量,否则返回经过激活函数后的变量。

代码示例

  1. import paddle.fluid as fluid
  2. # example 1:
  3. # attr shape is a list which doesn't contain Tensors.
  4. data_1 = fluid.data(
  5. name='data_1', shape=[2, 4, 6], dtype='float32')
  6. reshaped_1 = fluid.layers.reshape(
  7. x=data_1, shape=[-1, 0, 3, 2], inplace=True)
  8. # the shape of reshaped_1 is [2,4,3,2].
  9. # example 2:
  10. # attr shape is a list which contains Tensors.
  11. data_2 = fluid.layers.fill_constant([2,25], "int32", 3)
  12. dim = fluid.layers.fill_constant([1], "int32", 5)
  13. reshaped_2 = fluid.layers.reshape(data_2, shape=[dim, 10])
  14. # the shape of reshaped_2 is [5,10].
  15. # example 3:
  16. data_3 = fluid.data(
  17. name="data_3", shape=[2,4,6], dtype='float32')
  18. reshaped_3 = fluid.layers.reshape(x=data_3, shape=[6,8])
  19. # the shape of reshaped_3 is [6,8].