python中张量tensor的切片问题

张量切片详解
最新推荐文章于 2025-09-11 15:34:39 发布
原创 最新推荐文章于 2025-09-11 15:34:39 发布 · 2.1k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python

本文详细介绍了Python中张量的基本概念及其切片操作方法。通过具体示例展示了如何对不同维度的张量进行切片取值，适用于初学者快速掌握张量的使用技巧。

python中的张量类似于多维数组，所以切片取值的时候要注意他的维度

例如

x = torch.rand(5,5)
print(x)
print(x[:,3])

上面的x为一个二维张量，每一个维度的大小为5

执行结果如下

可以看到取到了x的第三列的所有值

再来一个例子

y = torch.rand(5,5,5)
print(y)
print(y[1:3,:,:])

执行结果

取到的切片值

所以对于一个张量m，m[:,:,:....],m是多少维度的就有多少个被逗号隔开的值

从第一维开始顺序往后，需要取哪一维的那一部分值，就可以在：的两边加上切片范围

thhelloworld
关注
Pytorch基础：张量Tensor
MechMaster
01-09 2014
Pytorch基础：张量Tensor 1. 张量类（Tensor） 2. 数值类型 3. 创建方法 4. 类型转换 5. 维度分析 6. 常用操作
Pytorch 张量操作 Python切片操作
偶尔想看云飞的博客
04-03 2678
Pytorch张量切片详解
从 X 入门Pytorch——Tensor的索引，切片，拼接，拆分，Reduction操作
热门推荐
Philo的博客
03-18 1万+
本文汇总了Tensor常见的索引，切片，拼接和拆分操作，同时给出了示例进行演示
python 张量和数组切片维度的详细说明
Cleo_Gao的博客
03-21 1350
目录基础规则省略冒号，直接填数字的情况切割维度 ≠ 张量或数组维度时 基础规则 每一维用形式： start:end:stride 切割，不同维用逗号隔开。其中： strart不填默认为0 stride不填默认为1 end不填默认为最后一项 取该维全部用一个冒号 不包括end 特点：这种切片不会改变秩，即不会改变 len(shape) 但是会改变shape的具体数值。 示例： >>> probs = np.array([[(1.1,1.2,1.3,1.4), (2.1,2.2,2.3,2
7、张量操作：切片、选取与赋值的深入解析
salt的博客
09-11 34
本文深入解析了张量的多种核心操作，包括切片中的省略号使用、连续整数索引提取、元素选取与收集、索引赋值以及放置和散射操作。详细对比了NumPy、TensorFlow和PyTorch在各类操作上的实现方式与函数特点，并结合实际应用场景如图像和序列数据处理，提供了使用建议与代码示例，帮助读者高效处理高维数据，提升数据操作性能与代码可维护性。
python多维数组切片方法
12-25
1、数组a第0个元素（二维数组）下的所有子元素（一维数组）的第一列 import numpy as np b=np.arange(24) a=b.reshape(2,3,4) print a print a[0,:,0] 2、取所有二维数组下的每个二维数组的第0个元素（一维数组） b=np.arange(24) a=b.reshape(2,3,4) print a print '--------------------' print a[:,0] 结果： [[ 0 1 2 3] [12 13 14 15]] 3、取所有二维数组下面的所有一维数组的每一个一维数组的第0个元素 b=np.
python维度扩展_Pytorch 扩展Tensor维度、压缩Tensor维度的方法
weixin_39867662的博客
12-05 404
1. 扩展Tensor维度相信刚接触Pytorch的宝宝们，会遇到这样一个问题，输入的数据维度和实验需要维度不一致，输入的可能是2维数据或3维数据，实验需要用到3维或4维数据，那么我们需要扩展这个维度。其实特别简单，只要对数据加一个扩展维度方法就可以了。1.1torch.unsqueeze(self: Tensor, dim: _int)torch.unsqueeze(self: Tensor, ...
Numpy和Tensor的高维切片操作
仙男
09-24 1974
  在目标检测中经常看到诸如[::2,...], [1:,:,::2] 等等之类的操作,之前一直只知道对列表的切片操作,在这里模模糊糊了许久也没有仔细研究,这里就做个学习记录. Numpy中多维数组的切片操作和 python中List 的切片操作一样,都是由start, end, step 三部分组成. x= np.arange(10) s1 = x[:3] s1 Out[22]: array([0, 1, 2]) s2 = x[1:8:2] s2 Out[25]: array([1, 3, 5, 7])
TensorFlow改变张量特定切片中元素的值
weixin_41583345的博客
03-19 1748
有时我们希望改变TensorFlow张量中某些元素的值。然而在TensorFlow中，Tensor对象不支持切片赋值。我们可以通过改变张量某些元素的值来获取一个新的张量，从而实现上述功能。
Pytorch张量运算Tensor 切片及索引
最新发布
11-18
在Pytorch中，可以通过多种方法对Tensor进行切片及索引，从而获取tensor的一部分数据得到新的tensor，以下是一些常见的方法： ### 索引表达式 使用索引表达式可以直接从原有的tensor中得到相应的子tensor。例如，...
Tensor学习——创建张量及常规操作（创建、切片、索引、转换、维度变换、拼接）
Chaoy6565的博客
11-20 1946
近期发现卷积神经网络数据都是tensor类型的，自己浅学习了一下，总结如下。在实际使用PyTorch的过程中，张量（Tensor）对象是我们操作的基本数据类型。很多时候，在我们没有特别明确什么是深度学习计算框架的时候，我们可以把PyTorch简单看成是Python的深度学习第三方库，在PyTorch中定义了适用于深度学习的基本数据结构————张量。
np.squeeze():把张量中维度为1的维度去掉
qq_44955314的博客
06-25 1398
import numpy as np n_dim_data = np.random.rand(10,1,10,1,1) n_dim_squeeze = np.squeeze(n_dim_data) print(n_dim_data.shape) ## （10,1,10,1,1） print(n_dim_squeeze.shape) ## （10,10）
Pytorch中二维张量切片
qq_54708219的博客
02-22 805
pytorch二维张量切片
tensor 切片操作（用tensor去切片）
weixin_50764885的博客
12-14 1864
tensor 切片操作（用tensor去切片）
TensorFlow深度学习-龙曲良-学习笔记1
HELLOWORLD2424的博客
02-14 1497
TensorFlow深度学习-龙曲良-学习笔记 1. 经典的深度学习网络规模 AlexNet(8 层) VGG16(16 层) GoogLeNet(22 层) ResNet50(50 层) DenseNet121(121 层) 2. TensorFlow基础介绍 TensorFlow 2 和 PyTorch 都是采用动态图(优先)模式开发，调试方便，所见即所得。一般来说，动态图模式开发效率高，但是运行效率可能不如静态图模式。TensorFlow 2 也支持通过 tf.function 将动态图优先模式的
Tensor的用法大全
Grozta
04-16 1592
维度的扩张expand（绝对值）/repeat,repeat扩展实质是重复拷贝的次数-相对值，并且由于拷贝操作，原来的数据不能再用，已经改变，而expand是绝对扩展，其实现只能从1扩张到n，不能从M扩张到N，另外-1表示对该维度保持不变的操作。**(3)a[:2,1:,:,:]：**取第一个维度的前两个数据，取第2个维度的第1个索引到最后索引的数据(包含1)，后两个维度全都取到；**(2)a[:2,:1,:,:]：**取第一个维度的前两个数据，取第2个维度的前1个数据，后两个维度全都取到；
基于pytorch的tensor的基本操作总结（二）
weixin_60418242的博客
10-24 2697
本文主要讲tensor的裁剪、索引、降维和增维，什么是共享内存。同时详细讲了入门者的痛点就是看不懂tensor的size表示或者看不懂其内部结构，并且补充了一个大多数人都不知道的增、降维的方法，索引位置如何理解等
如何理解深度学习中的tensor（涉及numpy的二维，三维以及四维数据的理解）numpy-axis和keepdims
baidu_40840693的博客
07-12 1290
https://www.cnblogs.com/douzujun/p/10289560.html https://blog.youkuaiyun.com/fangjian1204/article/details/53055219 转载自： https://blog.youkuaiyun.com/holmes_mx/article/details/82813865 如何理解深度学习中的tensor（...
Pytorch——tensor维度变换
橙子的博客
04-12 6757
1、常用的api （1）View/reshape 可以将一个shape转变成任意一个shape （2）Squeeze/unsqueeze 挤压与增加维度 （3）Transpose/t/permute （矩阵的传置） 单次的交换操作和多次的交换操作 （4）Expand/repeat 维度的扩展 我们可以把维度小的变成高维度的 2、view 和reshape 这两个基本是一摸一样的，区别在于pytorch0.3中默认的是view函数； a=troch.rand(4,1,28,28) #使用ran
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值