crop

    该OP根据偏移量(offsets)和形状(shape)，裁剪输入张量。

    注意: 此OP已被弃用，它将在以后的版本中被删除，请使用 替代

    样例：

    • x (Variable): 多维Tensor，数据类型为float32

    • shape (Variable|list/tuple of integers) - 指定输出Tensor的形状，它可以是一个Tensor/整数列表/整数元组。如果是Tensor，它的秩必须与x相同，它的形状指定了输出Tensor的形状，它的元素的数值在这里不起作用，该方式适用于每次迭代时候需要改变输出形状的情况。如果是整数列表/元组，则其长度必须与x的秩相同

    • offsets (Variable|list/tuple of integers|None，可选) - 指定每个维度上的裁剪的偏移量，它可以是一个Tensor，或者一个整数列表/整数元组。如果是一个Tensor，它的秩必须与x相同，这种方法适用于每次迭代的偏移量（offset）都可能改变的情况。如果是一个整数列表/元组，则长度必须与x的秩相同，如果offsets=None，则每个维度的偏移量为0。默认值为None

    返回: 经过形状裁剪之后的Tensor，与输入x具有相同的数据类型

    返回类型: Variable

    抛出异常: 如果形状不是列表、元组或Variable，抛出ValueError

    1. import paddle.fluid as fluid
    2. # 输入x的形状为[-1, 3, 5]，
    3. # 参数shape = y是个Variable，形状是[-1, 2, 2]，输出Tensor将具有和y一样的形状
    5. # 经过下面的crop操作之后输出张量的形状是: [-1, 2, 2]
    6. x = fluid.layers.data(name="x", shape=[3, 5], dtype="float32")
    7. crop = fluid.layers.crop(x, shape=y)
    9. # 输入z的形状为: [-1, 3, 5], shape为整数列表[-1, 2, 3]
    10. # 则经过下面的crop操作之后输出张量的形状为：[-1, 2, 3]
    11. z = fluid.layers.data(name="z", shape=[3, 5], dtype="float32")