crop¶

paddle. crop ( x, shape=None, offsets=None, name=None ) ¶

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

示例：

         * 示例 1（输入为 2-D Tensor）：

    输入：
        X.shape = [3, 5]
        X.data = [[0, 1, 2, 0, 0],
                  [0, 3, 4, 0, 0],
                  [0, 0, 0, 0, 0]]

    参数：
        shape = [2, 2]
        offsets = [0, 1]

    输出：
        Out.shape = [2, 2]
        Out.data = [[1, 2],
                    [3, 4]]

* 示例 2（输入为 3-D Tensor）：

    输入：

        X.shape = [2, 3, 4]
        X.data =  [[[0, 1, 2, 3],
                    [0, 5, 6, 7],
                    [0, 0, 0, 0]],
                   [[0, 3, 4, 5],
                    [0, 6, 7, 8],
                    [0, 0, 0, 0]]]

    参数：
        shape = [2, 2, -1]
        offsets = [0, 0, 1]

    输出：
        Out.shape = [2, 2, 3]
        Out.data = [[[1, 2, 3],
                     [5, 6, 7]],
                    [[3, 4, 5],
                     [6, 7, 8]]]

        

参数¶

x (Tensor) - 1-D 到 6-D Tensor，数据类型为 float32、float64、int32 或者 int64。

shape (list|tuple|Tensor，可选) - 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 Tensor，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[]的 0-D Tensor。含有 Tensor 的方式适用于每次迭代时需要改变输出形状的情况。

offsets (list|tuple|Tensor，可选) - 每个维度上裁剪的偏移量，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 Tensor，则其应是 1-D Tensor。当它是列表时，每一个元素可以是整数或者形状为[]的 0-D Tensor。含有 Tensor 的方式适用于每次迭代的偏移量（offset）都可能改变的情况。默认值：None，每个维度的偏移量为 0。

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。

代码示例¶

COPY-FROM: paddle.crop