tensorflow学习之路(6):tf.strided_slice()和tf.cast()的认识

最新推荐文章于 2022-10-14 09:22:02 发布

原创最新推荐文章于 2022-10-14 09:22:02 发布 · 1.1k 阅读

0 ·

CC 4.0 BY-SA版权

TensorFlow学习之路专栏收录该内容

8 篇文章

订阅专栏

本文介绍了TensorFlow中的tf.strided_slice()和tf.cast()两个函数。tf.cast()用于将张量转换为新的类型，如在CIFAR10的代码中将uint8转换为int32。tf.strided_slice()则用于从输入张量中按指定步长和起始位置提取子序列，当步长为负数时，会反向取值。通过实例解析了这两个函数的具体用法。

最近在看CIFAR10的代码，其中，在cifar10_input.py里面，出现了

code1:

    # The first bytes represent the label, which we convert from uint8->int32
    result.label = tf.cast(
        tf.strided_slice(record_bytes, [0], [label_bytes]), tf.int32
    )

于是，对tf.strided_slice()和tf.cast()有了认识。于是，整理如下：

tf.cast()的认识

def cast(x, dtype, name=None):

官方解释：Casts a tensor to a new type.
其中，

x:是一个Tensor或者SparseTensor
dtype:目标类型
name:这个op的名字(可选)

举例说明：

 # tensor `a` is [6.3, 7.4], dtype=tf.float
 tf.cast(a, tf.int32) ==> [6, 7]  # dtype=tf.int32

因此，在code1代码中，result.label的type由tf.cast()从uint8变成了int32.

tf.strided_slice()的认识

def strided_slice(input_,
                  begin,
                  end,
                  strides=None,
                  begin_mask=0,
                  end_mask=0,
                  ellipsis_mask=0,
                  new_axis_mask=0,
                  shrink_axis_mask=0,
                  var=None,
                  name=None):

官方解释：

To a first order, this operation extracts a slice of size `end - begin`
from a tensor `input`
starting at the location specified by `begin`. The slice continues by adding
`stride` to the `begin` index until all dimensions are not less than `end`.
Note that components of stride can be negative, which causes a reverse
slice.

简而言之，就是：
从输入tensor ‘input’中提取一个从‘begin’位置开始，长度为’end - begin’的片段。片段增加步长为’stride’，直到所有的维度不小于‘end’.但是，如果stride的中有负数，那么，会产生一个顺序相反的slice.

举例说明：

# 'input' is [[[1, 1, 1], [2, 2, 2]],
#            [[3, 3, 3], [4, 4, 4]],
#            [[5, 5, 5], [6, 6, 6]]]
tf.strided_slice(input, [1, 0, 0], [2, 1, 3], [1, 1, 1]) ==> [[[3, 3, 3]]]
tf.strided_slice(input, [1, 0, 0], [2, 2, 3], [1, 1, 1]) ==> [[[3, 3, 3],
                                                              [4, 4, 4]]]
tf.strided_slice(input, [1, -1, 0], [2, -3, 3], [1, -1, 1]) ==>[[[4, 4, 4],
                                                                [3, 3, 3]]]

在上面例子第三个tf.strided_slice(）中，

begin = [1, -1, 0]
end = [2, -3, 3]
strides = [1, -1, 1]

其中，begin中的 -1 表示要从第二维最后一个元素开始，strides中的 -1 表示第二维中每次增长步长为-1，于是，取出的元素下标是-1， -2， -3，… ,且因为 strides中的第二维步长为负数，所以，第二维元素取出后是反方向，而end中的 -3 表示截至于第二维中倒数第二个元素（包括倒数第二个元素，下标为-2），所以，最终，输出结果为[[[4, 4, 4], [3, 3, 3]]]