unique_with_counts¶

paddle.fluid.layers. unique_with_counts ( x, dtype='int32' ) [源代码] ¶

该OP对输入Tensor元素进行去重，获取去重后结果Tensor，同时获取去重后结果在原始输入中的计数Tensor以及在原始输入中的索引Tensor。

注:该OP仅支持 CPU ，同时仅支持 Tensor

参数：

x (Variable) – 数据shape为 \([N]\) 的一维Tensor，数据类型为 float32，float64，int32，int64。
dtype (np.dtype|core.VarDesc.VarType|str) – 索引和计数Tensor的类型，默认为 int32，数据类型需要为 int32或int64。

返回:

out 表示对输入进行去重后结果一维Tensor，数据shape为 \([K]\) ，K和输入x的shape中的N可能不一致。
index 表示原始输入在去重后结果中的索引Tensor \([N]\) ，shape和输入x的shape一致。
count 表示去重后元素的计数结果Tensor，数据shape为 \([K]\) ，数据shape和out的shape一致。

返回类型：tuple，tuple中元素类型为Variable(Tensor)，输出中的out和输入x的数据类型一致，输出中index以及count的数据类型为 int32，int64。

代码示例：

import numpy as np
import paddle.fluid as fluid
x = fluid.layers.assign(np.array([2, 3, 3, 1, 5, 3], dtype='int32'))
out, index, count = fluid.layers.unique_with_counts(x) # out is [2, 3, 1, 5];
                                           # index is [0, 1, 1, 2, 3, 1];
                                           # count is [1, 3, 1, 1]
# x.shape=(6,) out.shape=(4,), index.shape=(6,), count.shape=(4,)

PaddlePaddle

paddle.fluid / layers / unique_with_counts

unique_with_counts¶

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.fluid / layers / unique_with_counts

unique_with_counts¶