pad_constant_like

paddle.fluid.layers. pad_constant_like ( x, y, pad_value=0.0, name=None ) [源代码]

该OP使用 pad_value 填充 y ，填充到每个维度值的数量由x和y的形状而指定，((0，x.shape[0] - y.shape[0]), …, (0, x.shape[i] - y.shape[i]), …, (0, x.shape[n] - y.shape[n]))是每个维度填充的宽度，对于维度i，填充宽度 (0, x.shape[i] - y.shape[i]) ，表示在y的第i维开头不填充，而在末尾填充 x.shape[i] - y.shape[i] 个位置。该OP要求y与x具有相同的秩，并且对每个维度i， y.shape[i] <= x.shape[i] 。

示例：

  1. Given:
  2.     X = [[[[ 0,  1,  2],
  3.            [ 3,  4,  5]],
  4.           [[ 6,  7,  8],
  5.            [ 9, 10, 11]],
  6.           [[12, 13, 14],
  7.            [15, 16, 17]]],
  8.          [[[18, 19, 20],
  9.            [21, 22, 23]],
  10.           [[24, 25, 26],
  11.            [27, 28, 29]],
  12.           [[30, 31, 32],
  13.            [33, 34, 35]]]]
  15.     X.shape = (2, 3, 2, 3)
  17.     Y = [[[[35, 36, 37]],
  18.           [[38, 39, 40]],
  19.           [[41, 42, 43]]]]
  21.     Y.shape = (1, 3, 1, 3)
  23. And
  24.     pad_value = 0.
  26. Return:
  27.     Out = [[[[35, 36, 37],
  28.              [ 0,  0,  0]],
  29.             [[38, 39, 40],
  30.              [ 0,  0,  0]],
  31.             [[41, 42, 43],
  32.              [ 0,  0,  0]]],
  33.            [[[ 0,  0,  0],
  34.              [ 0,  0,  0]],
  35.             [[ 0,  0,  0],
  36.              [ 0,  0,  0]],
  37.             [[ 0,  0,  0],
  38.              [ 0,  0,  0]]]]
  40.     Out.shape = [2, 3, 2, 3]

参数：

  • x （Variable）- 多维Tensor

  • y （Variable）- 多维Tensor，与x具有相同的秩，而且对任意维度 i ，要求满足 y.shape[i] <= x.shape[i] 。数据类型为float32或float64

  • pad_value (float，可选) - 用于填充的常量值。默认值为0.

  • name （str | None） - (str|None) - 该参数供开发人员打印调试信息时使用，具体用法请参见 Name ，默认值为None。

返回：经过维度填充后的Tensor，与x具有相同的shape，与y具有相同的数据类型

返回类型： Variable

示例代码

  1. # x是秩为4的tensor, x.shape = (2, 3, 2, 3)
  2. # y是秩为4的tensor, y.shape = (1, 3, 1, 3)
  3. import paddle.fluid as fluid
  4. x = fluid.data(name='x', shape=[2,3,2,3], dtype='float32')
  5. y = fluid.data(name='y', shape=[1,3,1,3], dtype='float32')
  6. out = fluid.layers.pad_constant_like(x=x, y=y, pad_value=0.)
  7. # out是秩为4的tensor, out.shape = [2, 3 ,2 , 3]