Tensorflow 切片函数解析

最新推荐文章于 2025-06-09 09:20:14 发布

原创最新推荐文章于 2025-06-09 09:20:14 发布 · 467 阅读

1 ·

CC 4.0 BY-SA版权

Tensorflow 专栏收录该内容

1 篇文章

订阅专栏

本文详细介绍了TensorFlow中tf.slice函数的使用方法，通过实例展示了如何从多维张量中提取特定切片，适用于深度学习和数据处理场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

函数 tf.slice(input_, begin, size, name = None)

该函数的作用是从输入数据input中提取出一块切片

输入参数介绍如下:

input: 输入张量
size: 切片的尺寸, size[i]表示在第i个维度上切取的元素个数
begin: 切片的开始位置, begin[i]表示在第i个维度上的切取偏移

实例如下: Github代码地址

import tensorflow as tf 
tf.enable_eager_execution()

input = tf.random_normal(shape=(2, 3, 4)) # shape [2, 3, 4]
slice1 = tf.slice(input, [0, 0, 0], [-1, 1, -1]) # shape [2, 1, 4] 切取第二个维度下的第一组数据
slice2 = tf.slice(input, [0, 1, 0], [-1, 1, -1]) # shape [2, 1, 4] 切取第二个维度下的第二组数据
slice3 = tf.slice(input, [0, 2, 0], [-1, 1, -1]) # shape [2, 1, 4] 切取第二个维度下的第三组数据
slice5 = tf.slice(input, [0, 0, 0], [-1, 2, -1]) # shape [2, 2, 4] 切取第二个维度下的前两组数据
slice6 = tf.slice(input, [0, 0, 0], [-1, 3, -1]) # shape [2, 3, 4] 切取第二个维度下的前三组数据
print("\ninput is: \n{}".format(input))
print("\nslice1 is:\n {}".format(slice1))
print("\nslice2 is:\n {}".format(slice2))
print("\nslice3 is:\n {}".format(slice3))
print("\nslice5 is:\n {}".format(slice5))
print("\nslice6 is:\n {}".format(slice6))


'''
input is: 
[[[-1.1159433   1.1852196  -1.02887    -1.6216067 ]
  [ 0.37896946 -1.1322068  -0.34731     0.4213005 ]
  [-0.8697083   0.83150536  0.33464772 -1.1267416 ]]

 [[ 0.88379246  1.090028    0.23926906  0.854103  ]
  [ 0.26111332  1.2733405   0.63280314 -0.8038424 ]
  [ 1.0581269  -0.6792132   0.72982126 -1.4329162 ]]]

slice1 is:
 [[[-1.1159433   1.1852196  -1.02887    -1.6216067 ]]

 [[ 0.88379246  1.090028    0.23926906  0.854103  ]]]

slice2 is:
 [[[ 0.37896946 -1.1322068  -0.34731     0.4213005 ]]

 [[ 0.26111332  1.2733405   0.63280314 -0.8038424 ]]]

slice3 is:
 [[[-0.8697083   0.83150536  0.33464772 -1.1267416 ]]

 [[ 1.0581269  -0.6792132   0.72982126 -1.4329162 ]]]

slice5 is:
 [[[-1.1159433   1.1852196  -1.02887    -1.6216067 ]
  [ 0.37896946 -1.1322068  -0.34731     0.4213005 ]]

 [[ 0.88379246  1.090028    0.23926906  0.854103  ]
  [ 0.26111332  1.2733405   0.63280314 -0.8038424 ]]]

slice6 is:
 [[[-1.1159433   1.1852196  -1.02887    -1.6216067 ]
  [ 0.37896946 -1.1322068  -0.34731     0.4213005 ]
  [-0.8697083   0.83150536  0.33464772 -1.1267416 ]]

 [[ 0.88379246  1.090028    0.23926906  0.854103  ]
  [ 0.26111332  1.2733405   0.63280314 -0.8038424 ]
  [ 1.0581269  -0.6792132   0.72982126 -1.4329162 ]]]

'''