reorder_lod_tensor_by_rank¶

paddle.fluid.layers. reorder_lod_tensor_by_rank ( x, rank_table ) [源代码] ¶

该OP根据 rank_table 中提供的 LoDRankTable 类型的顺序信息来实现对 X 的重新排列。 接口参数 X 是由多个序列(Sequence)组成的的一个批序列（Batch of Sequences）， rank_table 存储着对batch中序列重新排列的 LoDRankTable 类型的顺序信息。

例如:

假设在 rank_table 中存储的序列索引为 \([3,0,2,1]\) ， X 将会被这样被重新排列： X 中的第四个序列（即索引为3的序列，后面以此类推）会变成排列后的batch中的第一个，紧接着就是原来batch中的第一个元素，第三个元素，和第二个元素。 简言之，若有原batch：\(X = [Seq0, Seq1, Seq2, Seq3]\) 且 RankTable 中的索引为 \([3,0,2,1]\) ，那么输出即为 \(Out = [Seq3, Seq0, Seq2, Seq1]\) ，它携带着新的LoD信息。 如果 X 的LoD信息是空的，这表明 X 不是序列型数据。这和由多个定长为1的序列组成的batch是相同的情况。此时，该函数将对 X 中数据 在第一轴(axis)上按 rank_table 里的规则加以排列。 例如，现有 \(X = [Slice0, Slice1, Slice2, Slice3]\) ，并且它LoD信息为空，在 rank_table 索引为 \([3, 0, 2, 1]\) 。则 \(Out = [Slice3, Slice0, Slice2, Slice1]\) ，并且不在其中追加LoD信息。

注意：该OP对 X 进行的排序所依据的 LoDRankTable 不一定是在 X 的基础上得出来的。它可以由其他不同的序列得出，并由该OP依据这个 LoDRankTable 来对 X 排序。

参数：

• x (Variable) - 待根据提供的 rank_table 进行排序的LoDTensor.

• rank_table (Variable) - 提供对 x 重新排列的 LoDRankTable 类型的顺序信息.

返回： 重新排列后的LoDTensor

返回类型: Variable

代码示例：

import numpy as np
import paddle.fluid as fluid

rank_data = fluid.layers.data(name='rank_data', shape=[5], dtype='float32', lod_level=2)
table = fluid.layers.control_flow.lod_rank_table(rank_data, level=1)

data = fluid.layers.data(name='data', shape=[9], lod_level=2)
new_data = fluid.layers.reorder_lod_tensor_by_rank(
                 x=data, rank_table=table)


place=fluid.CPUPlace()
exe = fluid.Executor(place)
exe.run(fluid.default_startup_program())

rank_tensor = fluid.create_lod_tensor(np.random.random([14,5]).astype("float32"), [[4,1], [3, 2, 2, 3, 4]], place)

data_ndarray = np.random.random([27, 9]).astype("float32")
data_lod = [[1, 2, 2, 4, 4], [2, 2, 4, 2, 2, 2, 1, 1, 2, 2, 4, 2, 1]]
data_tensor = fluid.create_lod_tensor(data_ndarray, data_lod, place)

out = exe.run(fluid.default_main_program(),feed={'data':data_tensor, 'rank_data':rank_tensor}, fetch_list=[new_data], return_numpy=False)
print(out[0])
# lod: {{0, 4, 5, 9, 11, 13}{0, 2, 6, 8, 9, 11, 13, 14, 15, 17, 19, 23, 25, 27}}
#shape: [27, 9]