sequence_pad¶
序列填充操作符（Sequence Pad Operator）,该OP将同一batch中的序列填充到一个一致的长度（由 maxlen 指定）。填充的新元素的值具体由输入 pad_value 指定，并会添加到每一个序列的末尾，使得他们最终的长度保持一致。最后返回一个Python tuple (Out, Length) ，其中LodTensor Out 为填充后的序列，LodTensor Length 为填充前的原序列长度信息。
注意，该OP的输入 x 只能是LodTensor。
范例如下：
例1:
给定输入1-level LoDTensor x:
x.lod = [[0, 2, 5]] #输入的两个序列长度是2和3
x.data = [[a],[b],[c],[d],[e]]
和输入 pad_value:
pad_value.data = [0]
设置 maxlen = 4
得到得到tuple (Out, Length):
Out.data = [[[a],[b],[0],[0]],[[c],[d],[e],[0]]]
Length.data = [2, 3] #原序列长度是2和3
例2:
给定输入1-level LoDTensor x:
x.lod = [[0, 2, 5]]
x.data = [[a1,a2],[b1,b2],[c1,c2],[d1,d2],[e1,e2]]
和输入 pad_value:
pad_value.data = [0]
默认 maxlen = None, (根据x的形状，此例中实际长度为3)
得到得到tuple (Out, Length):
Out.data = [[[a1,a2],[b1,b2],[0,0]],[[c1,c2],[d1,d2],[e1,e2]]]
Length.data = [2， 3]
例3:
给定输入1-level LoDTensor x:
x.lod = [[0, 2, 5]]
x.data = [[a1,a2],[b1,b2],[c1,c2],[d1,d2],[e1,e2]]
和输入 pad_value:
pad_value.data = [p1,p2]
默认 maxlen = None, (根据x的形状，此例中实际长度为3）
得到tuple (Out, Length):
Out.data = [[[a1,a2],[b1,b2],[p1,p2]],[[c1,c2],[d1,d2],[e1,e2]]]
Length.data = [2， 3]
- 参数：
-
x (Vairable) - 输入，维度为
[M, K]的LoDTensor，仅支持lod_level为1。lod所描述的序列数量，作为要填充的batch_size。数据类型为int32，int64，float32或float64。pad_value (Variable) - 填充值，可以是标量或长度为
K的一维Tensor。如果是标量，则自动广播为Tensor。数据类型需与x相同。maxlen (int，可选) - 填充序列的长度。默认为None，此时以序列中最长序列的长度为准，其他所有序列填充至该长度。当是某个特定的正整数，最大长度必须大于最长初始序列的长度。
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：元素为两个LoDTensor的Python tuple。第一个元素为填充后的变量 Out ，形状为 [batch_size, maxlen, K] ，lod level为0的LoDTensor，数据类型与输入 x 相同。第二个元素为填充前的原序列长度信息 Length ，lod level为0的一维LoDTensor，长度等于batch_size，数据类型为int64。
返回类型：tuple
代码示例：
import paddle.fluid as fluid
import numpy
x = fluid.layers.data(name='y', shape=[10, 5],
dtype='float32', lod_level=1)
pad_value = fluid.layers.assign(
input=numpy.array([0.0], dtype=numpy.float32))
out = fluid.layers.sequence_pad(x=x, pad_value=pad_value)