tf.strided_slice这么理解

最新推荐文章于 2023-06-14 09:40:17 发布

原创最新推荐文章于 2023-06-14 09:40:17 发布 · 316 阅读

0 ·

CC 4.0 BY-SA版权

代码专栏收录该内容

14 篇文章

订阅专栏

本文深入解析了TensorFlow中strided_slice函数的使用方法，通过具体示例展示了如何通过指定开始、结束和步长参数来精确选取张量中的数据片段，适用于多维数据的灵活操作。

部署运行你感兴趣的模型镜像

定义

tf.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,
)

理解

t = tf.constant([[[1, 1, 1], [2, 2, 2]],
                 [[3, 3, 3], [4, 4, 4]],
                 [[5, 5, 5], [6, 6, 6]]])
                 
#第1维[0,1)的所有数组                 
>tf.strided_slice(t,[0],[1],[1])
array([[[1, 1, 1],[2, 2, 2]]])

#第1维[0,2)的所有数组
>tf.strided_slice(t,[0],[2],[1])
array([[[1, 1, 1], [2, 2, 2]],
       [[3, 3, 3],[4, 4, 4]]])
       
#第1维[0,2),第2维[0,1)的所有数组
>tf.strided_slice(t,[0,0],[2,1],[1,1])
array([[[1, 1, 1]],
       [[3, 3, 3]]])
       
#第1维[0,2),第2维[0,2)的所有数组       
>tf.strided_slice(t,[0,0],[2,2],[1,1])
array([[[1, 1, 1],
        [2, 2, 2]],
       [[3, 3, 3],
        [4, 4, 4]]])
        
 #第1维[0,2),第2维[0,2),第3维[0,1)的所有数组
>tf.strided_slice(t,[0,0,0],[2,2,1],[1,1,1])
array([[[1],
        [2]],
       [[3],
        [4]]])
        
 #第1维[0,2),第2维[0,2),第3维[0,2)的所有数组
>tf.strided_slice(t,[0,0,0],[2,2,2],[1,1,1])
array([[[1, 1],
        [2, 2]],
       [[3, 3],
        [4, 4]]])