crop_tensor

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

    示例：

    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。

    • 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 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")
    5. crop_shape = fluid.data(name="crop_shape", shape=[3], dtype="int32")
    6. crop0 = fluid.layers.crop_tensor(x, shape=crop_shape)
    7. # crop0.shape = [-1, -1, -1], it means crop0.shape[0] = x.shape[0] in runtime.
    9. # or shape is a list in which each element is a constant
    10. crop1 = fluid.layers.crop_tensor(x, shape=[-1, -1, 3], offsets=[0, 1, 0])
    11. # crop1.shape = [-1, 2, 3]
    13. # or shape is a list in which each element is a constant or Tensor
    14. y = fluid.data(name="y", shape=[3, 8, 8], dtype="float32")
    15. crop2 = fluid.layers.crop_tensor(y, shape=[3, dim1, 4])
    16. # crop2.shape = [3, -1, 4]
    18. # offsets is a 1-D Tensor
    19. crop_offsets = fluid.data(name="crop_offsets", shape=[3], dtype="int32")
    20. crop3 = fluid.layers.crop_tensor(x, shape=[-1, 2, 3], offsets=crop_offsets)
    21. # crop3.shape = [-1, 2, 3]
    23. # offsets is a list in which each element is a constant or Tensor
    24. offsets_var =  fluid.data(name="offset", shape=[1], dtype="int32")
    26. # crop4.shape = [-1, 2, 3]