pypto.view#
产品支持情况#
Ascend 950PR/Ascend 950DT：支持
Atlas A3 训练系列产品/Atlas A3 推理系列产品：支持
Atlas A2 训练系列产品/Atlas A2 推理系列产品：支持
功能说明#
从输入Tensor中取出部分视图，用于后续计算。
函数原型#
view(input: Tensor, shape: List[int] = None, offsets: List[Union[int, SymbolicScalar]] = None, *, valid_shape: Optional[List[Union[int, SymbolicScalar]]] = None, dtype: DataType = None,
) -> Tensor
参数说明#
参数名 |
输入/输出 |
说明 |
|---|---|---|
input |
输入 |
源操作数。 |
shape |
输入 |
获取出视图的大小，需要和input的维度数量一致。 |
offsets |
输入 |
获取视图时每个维度相对于input的偏移。 |
valid_shape |
输入 |
取出视图块的有效数据大小。 |
dtype |
输入 |
返回值的数据类型，允许将输入数据解读为不同数据类型 |
valid_shape 可以配合 pypto.experimental.assume_divisible 使用。当某个动态标量已知可被 tile shape 整除时，可通过 assume_divisible 声明该事实，帮助编译器消除该轴逐 tile 动态 valid shape，使能 dualdst 等依赖静态 valid shape 的优化。
返回值说明#
返回输出Tensor，Tensor的数据类型和input相同，Shape为参数shape指定大小，若指定了valid_shape，则真实大小为valid_shape。若指定dtype，则会将输入按照dtype进行读取。
约束说明#
需要valid_shape时必须用pypto.view：当需要指定
valid_shape（动态有效数据大小）时，不能使用[]切片语法，必须使用显式的pypto.view接口输入张量input和输入shape的维度数量需要一致。
view创建后与源input相互独立：view创建后即成为独立的数据拷贝，对view的读写（含view[:] = …）只作用于view自身，不会写回源input，也不会感知源input的后续修改。若需要将数据写回源Tensor（例如在循环中向persistent buffer分片累积写入的场景），请使用pypto.assemble(value, offsets, dest)。
调用示例#
基本使用方法
x = pypto.tensor([4, 8], pypto.DT_FP32) shape = [4, 4] offsets = [0, 4] y = pypto.view(x, shape, offsets)
结果示例如下：
输入数据x: [[1 1 2 2 3 3 4 4], [1 1 2 2 3 3 4 4], [1 1 2 2 3 3 4 4], [1 1 2 2 3 3 4 4]] 输出数据y: [[3 3 4 4], [3 3 4 4], [3 3 4 4], [3 3 4 4]]
增加valid_shape
x = pypto.tensor([4, 8], pypto.DT_FP32) shape = [4, 4] offsets = [2, 4] valid_shape = [2, 4] y = pypto.view(x, shape, offsets, valid_shape)
结果示例如下：
输入数据x: [[1 1 2 2 3 3 4 4], [1 1 2 2 3 3 4 4], [1 1 2 2 5 5 6 6], [1 1 2 2 5 5 6 6]] 输出数据y: [[5 5 6 6], [5 5 6 6], [0 0 0 0], [0 0 0 0]]
指定dtype
x = pypto.tensor([2, 2], pypto.DT_FP32) y = pypto.view(x, dtype=pypto.DT_INT8)
结果如下：
输入数据x: [[0.9405094 0.20237109], [0.99819463 0.13246714]] 输出数据y: [[ 57 -59 112 63 94 58 79 62], [ -81 -119 127 63 119 -91 7 62]]