similarity_focus

    • similarity_focus(input, axis, indexes, name=None)[源代码]

    通过以下三个步骤，该层生成一个和输入 同形的 similarity focus mask（相似度聚焦掩码）：

    • 根据 axis 和 提取一个三维张量，第一维为batch大小。 例如，如果 axis=1, indexes=[a] , 将得到矩阵 T=X[:, a, :, :] 。 该例中，如果输入X的形为 (BatchSize, A, B, C) ，则输出张量T的形为 (BatchSize, B, C) 。
    • 对于每一个索引，在输出T中找到最大值。所以同一行、同一列最多只有一个数字，这意味着如果在第i行，第j列中找到最大值，那么在相应行、列中的其他数值都将被忽略。然后再在剩余的数值中找到下一个最大值。显然，将会产生 min（B,C）个数字，并把三维相似聚焦掩码张量相应位置的元素置为1，其余则置为0。对每个索引按元素进行or运算。
    • 参数:
      • input (Variable) – 输入张量，应为一个四维张量，形为[BatchSize, A, B, C]，数据类型为 float32 或者 float64。
      • axis (int) – 指明要选择的轴。 可能取值为 1, 2 或 3。

    返回：一个和输入 Variable 同形状、同数据类型的 Variable

    代码示例

    1. import paddle.fluid as fluid
    2. data = fluid.layers.data(
    3.   name='data', shape=[-1, 3, 2, 2], dtype='float32')
    4. fluid.layers.similarity_focus(input=data, axis=1, indexes=[0])