flatten¶

paddle. flatten ( x, start_axis=0, stop_axis=- 1, name=None ) [源代码] ¶

flatten op 根据给定的start_axis 和 stop_axis 将连续的维度展平。

请注意，在动态图模式下，输出Tensor将与输入Tensor共享数据，并且没有Tensor数据拷贝的过程。如果不希望输入与输出共享数据，请使用 Tensor.clone ，例如 flatten_clone_x = x.flatten().clone() 。

例如：

Case 1:

  给定
    X.shape = (3, 100, 100, 4)
  且
    start_axis = 1
    stop_axis = 2

  得到:
    Out.shape = (3, 100 * 100, 4)

Case 2:

  给定
    X.shape = (3, 100, 100, 4)
  且
    start_axis = 0
    stop_axis = -1

  得到:
    Out.shape = (3 * 100 * 100 * 4)

参数：

x (Tensor) - 多维Tensor, 数据类型可以为float32，float64，int8，int32或int64。
start_axis (int) - flatten展开的起始维度。
stop_axis (int) - flatten展开的结束维度。
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: Tensor, 一个 Tensor，它包含输入Tensor的数据，但维度发生变化。输入将按照给定的start_axis 和 stop_axis展开。数据类型与输入x相同。

返回类型: Tensor

抛出异常：

ValueError: 如果 x 不是一个Tensor
ValueError: 如果start_axis或者stop_axis不合法

代码示例

import paddle

image_shape=(2, 3, 4, 4)
x = paddle.arange(end=image_shape[0] * image_shape[1] * image_shape[2] * image_shape[3])
img = paddle.reshape(x, image_shape) / 100

out = paddle.flatten(img, start_axis=1, stop_axis=2)
# out shape is [2, 12, 4]

# 在动态图模式下，输出out与输入img共享数据
img[0, 0, 0, 0] = -1
print(out[0, 0, 0]) # [-1]

PaddlePaddle

paddle / flatten

flatten¶

PaddlePaddle

paddle

paddle.amp

paddle.callbacks

paddle.compat

paddle.distributed

paddle.distribution

paddle.fluid

paddle.io

paddle.jit

paddle.metric

paddle.nn

paddle.onnx

paddle.optimizer

paddle.regularizer

paddle.static

paddle.sysconfig

paddle.text

paddle.utils

paddle.vision

paddle / flatten

flatten¶