pytorch 索引与切片

下面这个四维向量可简单理解成 4张3通道的图片分辨率为28x28
a[0]指的是第一张图片的 三个通道全部像素的信息
a[0][0]表示 第第一张图片第一个通道的全部像素信息
a[0][0][0] 表示第一张图片的第一个通道下的第一行的全部像素信息
a[0][0][0][0]表示第一张图下第一个通道下的图片的第一个像素

import torch
import numpy as np
a = torch.rand(4,3,28,28)  # 四维张量
print(a[0].shape) #访问 第一个维度下 3x28x28的张量
print(a[0][0].shape)  #28x28
print(a[0][0][0].shape ) # 1维的张量 28
print(a[0][0][0][0].shape) # 一个标量

torch.Size([3, 28, 28])
torch.Size([28, 28])
torch.Size([28])
torch.Size([])

用 : 进行索引 可将 : 理解为一个 从左至右的箭头
其中索引值为负数时代表反向，如 a[-4:0]表示从倒数第四个数开始至末尾。 同时也支持步进的方式进行索引，如 a[0:8:2] 索引范围是0->7,步进为2

import torch
import numpy as np
a = torch.rand(4,3,28,28)  # 四维张量
print(a[:2, :, :,:].shape) # 第一个维度下 0-1 下面的所有数据
print(a[1:4, 0:2, :, :].shape)  # 1-2 0-2 下面的所有数据
print(a[:,:,::2,::2].shape)  #步进为2

torch.Size([2, 3, 28, 28])
torch.Size([3, 2, 28, 28])
torch.Size([4, 3, 14, 14])

… 代表任意值

import torch
import numpy as np
a = torch.rand(4,3,28,28)  # 四维张量
print(a[:2,...].shape) # 第一个维度下 0-1 下面的所有数据
print(a[0,...].shape) # 第一个维度下 0下面的所有数据

torch.Size([2, 3, 28, 28])
torch.Size([3, 28, 28])