mindspore.Symbol

class mindspore.Symbol(max=0, min=1, divisor=1, remainder=0, unique=False, **kawgs)[源代码]

符号,用来传递张量形状的符号信息(symbolic shape)的数据结构。

对于动态shape网络,相比只设置 shape 的未知维度( None ),提供未知维度的数学符号信息能帮助框架更好地优化计算图,提高网络执行性能。

参数:
  • max (int) - 最大值,表示此维度的最大长度。只有当它大于 min 值时才有效。默认值: 0

  • min (int) - 最小值,表示此维度的最小长度,要求是正数。默认值: 1

  • divisor (int) - 约数 \(d\) 。默认值: 1

  • remainder (int) - 余数 \(r\)。与 divisor 一起表示符号值为 \(d*N+r\),其中 \(N \ge 1\)。 默认值: 0

  • unique (bool) - 符号具有唯一值。当这个 Symbol 对象被 Tensor 多次引用时,如果 uniqueTrue ,表示用到这个 Symbol 对象的维度的长度都相等;否则表示只共享符号信息,不一定相等。默认值: False

输出:

Symbol。

异常:
  • TypeError - 如果 maxmindivisorremainder 不是整数。

  • TypeError - 如果 unique 不是布尔值。

  • ValueError - 如果 min 不是正数。

  • ValueError - 如果 divisor 不是正数。

  • ValueError - 如果 remainder 不在区间 \([0, d)\) 内。

样例:

>>> import numpy as np
>>> import mindspore as ms
>>> from mindspore import nn, Tensor, Symbol
>>>
>>> class Net(nn.Cell):
...     def __init__(self):
...         super(Net, self).__init__()
...         self.abs = ms.ops.Abs()
...     def construct(self, x):
...         return self.abs(x)
...
>>> net = Net()
>>> s1 = Symbol(divisor=8, remainder=1)
>>> s2 = Symbol(max=32, unique=True)
>>> dyn_t = Tensor(shape=(None, s1, s1, s2, s2), dtype=ms.float32)
>>> net.set_inputs(dyn_t)
>>> # the shape values of last two dimensions must be equal, because "s2" is set to "unique"
>>> net(Tensor(np.random.randn(1, 9, 17, 32, 32), dtype=ms.float32)).shape
(1, 9, 17, 32, 32)
>>> net(Tensor(np.random.randn(8, 25, 9, 30, 30), dtype=ms.float32)).shape
(8, 25, 9, 30, 30)