expand_as

    该OP会根据输入的variable 对输入 x 的各维度进行广播。通过 target_tensor``的维度来为 ``x 的每个维度设置广播的次数，使得x 的维度与target_tensor的维度相同。 x 的秩应小于等于6。注意， target_tensor 的秩必须与 x 的秩相同。 注意:target_tensor 对应的每一维必须能整除输入x中对应的维度，否则会报错。比如，target_tensor的维度为[2,6,2],x为[2,3,1],则整除后为[1,2,2]，x广播后维度为[2,6,2]。如果target_tensor的维度为[2,5,2]，第二维5不能整除x的第二维3，则会报错。

    以下是一个示例：

    • x （Variable）- 维度最高为6的多维 Tensor 或 LoDTensor，数据类型为 float32，float64，int32 或 bool。

    • target_tensor （list|tuple|Variable）- 数据类型为 ，float64，int32 或 bool 。可为Tensor或者LODTensor。

    返回：维度与输入 x 相同的 Tensor 或 LoDTensor，数据类型与 x 相同。返回值的每个维度的大小等于target_tensor 对应的维度的大小。

    返回类型：Variable 。

    • ValueError：target_tensor 对应的每一维必须能整除输入x中对应的维度，否则会报错。

    代码示例

    2. data = fluid.data(name="data", shape=[-1,10], dtype='float64')
    3. target_tensor = fluid.data(name="target_tensor", shape=[-1,20], dtype='float64')
    4. result = fluid.layers.expand_as(x=data, target_tensor=target_tensor)
    5. use_cuda = False
    6. place = fluid.CUDAPlace(0) if use_cuda else fluid.CPUPlace()
    7. exe.run(fluid.default_startup_program())
    8. x = np.random.rand(3,10)
    9. y = np.random.rand(3,20)
    10. output= exe.run(feed={"data":x,"target_tensor":y},fetch_list=[result.name])
    11. print(output[0].shape)