张量的索引切片

张量的索引切片方式和numpy几乎是一样的。切片时支持缺省参数和省略号。可以通过索引和切片对部分元素进行修改。类似于数组的切片，但是又稍微有些不同：
例如：a=torch.rand(4,3,28,28):dim=4的张量数据a
(1)a[:2]:取第一个维度的前2个维度数据(不包括2)；
(2)a[:2,:1,:,:]：取第一个维度的前两个数据，取第二个维度的第一个数据，后两个维度全都取到；
(3)a[:2,1:,:,:]：取第一个维度的前两个数据，取第二个维度的索引1到最后索引的数据(包含1)，后两个维度全都取到；
(4)a[:2,-3:]：取第一个维度的前两个数据，负号表示第二个维度上从倒数第三个数据取到最后倒数第一个数据-1(包含-3)；
(5)a[:,:,0:28:2,0:28:2]：前两个维度全都取到，两个冒号表示隔行取数据，一定的间隔，最后两个维度取索引0到27之间的数据，且间隔为2；
其中间隔为2；
(6)a[:,:,::2,::3]：前两个维度全都取到，两个冒号直接写表示从所有的数据中隔行取数据，第三个维度以间隔2取所有数据，第四个维度以间隔3取所有数据
此外，对于不规则的切片提取,可以使用torch.index_select, torch.masked_select, torch.take
torch.index_select功能为从张量的某个维度的指定位置选取数据
torch.masked_select会根据掩码张量mask中的二元值，取输入张量中的指定项( mask为一个 ByteTensor)，将取值返回到一个新的1D张量，张量 mask须跟input张量有相同数量的元素数目，但形状或维度不需要相同
torch.take先将张量数据打平为一个dim=1的张量数据（依次排序下来成为一个数据列），然后按照索引进行取数据