Tensor的索引与切片

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

1.Numpy风格的索引

可以在一个方括号里写完所有索引，之间用逗号隔开就行

import tensorflow as tf

a = tf.random.normal([4, 28, 28, 3])
print(a[1].shape)
print(a[2, 3].shape)
print(a[2, 4, 7].shape)
print(a[2, 4, 7, 2].shape)

2. 范围式索引 用冒号实现

格式： start ：end：step
第三个参数代表步长，含义是每隔多少取样一次，可省略，省略时就默认为1
特点：

• 返回的元素索引包含start不包含end
• 这种冒号式的索引还支持倒序 例如 -1 代表倒数第一个元素的索引
• start不填写代表从第一个元素开始，end不填写代表从start到最后一个元素
• 若第三个参数存在，且为负数，则代表逆序采样。就是从start 采样到end+1的位置，step的绝对值代表步长 eg： 7:2:-2 （从索引为7的位置倒序采样到3，并且间隔为2）

b = tf.range(10)
print(b)         #返回整个向量
print(b[2:8])    #返回从索引为2到索引为7的向量  因为不包含冒号后面的数字 只能到7
print(b[2:])     #若冒号后面省略，则表示从冒号前的索引一直到最后
print(b[:7])     #若冒号前面省略，则表示从数据的第一个元素一直到冒号后的索引的前一个
print(b[3:-1])   #返回从索引为3的数据到倒数第二个数据
print(b[-3:])    #从倒数第3个数据一直返回到最后
print(b[:])      #若都为空，则返回全体
print(b[::2])    #表示返回全体，但是每隔一个元素取样一次
#只有step参数为负数时，start才能大于end 从索引为7的位置倒序采样到3，并且间隔为2
print(b[7:2:-2]) 

在多维张量中，冒号索引法同样生效

c = tf.random.normal([4, 5, 6])
print(c[:, :, 3:-1].shape)

上述代码表示：第一个维度取样所有，第二个维度取样所有，第三个维度取样从索引为3到倒数第2个索引，也就是3到4.。所以打印的shape为（4，5，2）

3. Selective Indexing

上面讲的冒号制的索引方法仍然有一定的弊端，因为那样的方法还是具有一定的规律性》
比如现在有一个张量【4，28，28，3】，第二个维度我想采样索引为26，8，13，9这样毫无规律的索引，冒号索引法就实现不了了。

• tf.gather() 该函数可解决上面的问题，首先一个张量它的坐标轴是有默认编号的，例如一个张量【4，28，28，3】，那么坐标轴依次编号为【0，1，2，3】，gather函数需要指定你在哪一个维度上进行随机采样，并将采样的索引传入即可

d = tf.random.normal([4, 28, 28, 3])
#在第2个维度上随机采样，依次采取18，22，3这3个索引，所以最终的形状为【4，3，28，3】
print(tf.gather(d, axis=1, indices=[18, 22, 3]).shape)

问题又来了：这只是完成了在一个维度上的随机采样，比如我在第2个维度上取18的时候，第3个维度我想取15，在第2个维度上取22的时候，第3个维度我想取7，这样的操作如何实现？

• tf.gatrher_nd()

x = tf.random.normal([4, 35, 8])
#当第二个参数只有一对方括号时，索引方法就是上面提到的numpy风格的索引
print(tf.gather_nd(x, [0]).shape)      
print(tf.gather_nd(x, [0, 1]).shape)
print(tf.gather_nd(x, [0, 1, 2]).shape)

#当第二个参数有两对方括号时，内层的每一对括号代表一次索引 
#【0，1】代表第一个维度取0，第二个维度取1   
#【2，6】代表第一个维度取2，第二个维度取6，内层有多少对方括号就代表取了多少次
print(tf.gather_nd(x, [[0, 1], [2, 6]]).shape) 
print(tf.gather_nd(x, [[0, 1, 2]]).shape)
print(tf.gather_nd(x, [[[1, 2, 3], [4, 5, 6], [7, 8, 9]]]).shape)
print(tf.gather_nd(x, [[[1, 2], [4, 5], [7, 8]]]).shape)

---