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
import paddle.fluid as fluid
# 输入x的形状为[-1, 3, 5],
# 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
# 经过下面的crop操作之后输出张量的形状是: [-1, 2, 2]
x = fluid.layers.data(name="x", shape=[3, 5], dtype="float32")
crop = fluid.layers.crop(x, shape=y)
# 输入z的形状为: [-1, 3, 5], shape为整数列表[-1, 2, 3]
# 则经过下面的crop操作之后输出张量的形状为:[-1, 2, 3]
z = fluid.layers.data(name="z", shape=[3, 5], dtype="float32")