【五分钟学习Tensorflow系列】tf.strided_slice()原理及应用

文章同步更新在公众号 AIPlayer，欢迎扫码关注，共同进步

目录

一、原理

二、使用场景

---

一、原理

1、函数原型

tf.strided_slice(input_, begin, end, strides=None,
                 begin_mask=0, end_mask=0, ellipsis_mask=0,
                 new_axis_mask=0, shrink_axis_mask=0, 
                 var=None, name=None)

    这个运算从给定的 input_ 张量中提取一个尺寸 (end-begin)/stride 的片段，从 begin 片段指定的位置开始，以步长 stride 添加索引，直到所有维度都不小于 end，这里的 stride 可以是负值，表示反向切片。

这里需要注意的两点是：

• 取值区间为 [ begin, end )，左闭右开

• 返回的张量各维度大小的计算：abs(end - begin) / stride

2、举例说明

    假设需要输入的张量为：​​​​​​​

input = tf.constant([[[1,2,3], [4,5,6]],
                     [[7,8,9], [10,11,12]],
                     [[13,14,15], [16,17,18]]])

    下面列举了在不同维度上使用不同步长的分片结果：

（1）示例1​​​​​​​

tf.strided_slice(input, 
                 begin=[1, 0, 0], 
                 end=[2, 1, 3], 
                 strides=[1, 1, 1])

• 对于第0维，begin是1，end是2，begin+stride=2，2大于等于end的第0维，所以不用继续加stride，取值区间为[1,2)，第0维返回索引为1的元素，即[[7,8,9], [10,11,12]]

• 对于第1维，取值区间为[0,1)，在第0维结果的基础上，第1维返回索引为0的元素，即[7,8,9]

• 对于第2维，取值区间为[0,3)，在第1维结果的基础上，第2维返回索引为0,1,2的元素，即[7,8,9]

所以最终结果为[[[7,8,9]]]

（2）示例2​​​​​​​

tf.strided_slice(input, 
                 begin=[1, 0, 0], 
                 end=[2, 2, 3], 
                 strides=[1, 1, 1])

• 对于第0维，取值区间为[1，2)，返回第0维索引为1的元素,即[[7,8,9]， [10,11,12]]

• 对于第1维，取值区间为[0,2)，在第0维结果的基础上，返回第1维索引为0,1的元素，即[7, 8, 9]， [10, 11, 12]

• 对于第2维，取值区间为[0,3)，在第1维结果的基础上，返回第2维索引为0,1,2的元素，即[7,8,9]， [10,11,12]

所以最终结果[[[7,8,9]， [10,11,12]]]

（3）示例3​​​​​​​

tf.strided_slice(input, 
                 begin=[1, -1, 0], 
                 end=[2, -3, 3], 
                 strides=[1, -1, 1])

• 对于第0维，取值区间[1,2)，第0维返回索引为1的元素，即[[7,8,9]， [10,11,12]]

• 对于第1维，取值区间[-1,-3)，在第0维结果的基础上，返回第1维索引为-1，-2的元素，表示倒序取值，即[10,11,12]，[7,8,9]

• 对于第2维，取值区间为[0,3)，在第1维结果的基础上，返回第2维索引为0,1,2的元素，即[10,11,12]，[7,8,9]

所以最终结果为[[[10,11,12]，[7,8,9]]]

二、使用场景

    tf.strided_slice()通常会使用在序列化模型的数据处理中，比如在 seq2seq 模型中，需要把目标数据切片再送入到decoder网络中：​​​​​​​

ending = tf.strided_slice(targets, [0, 0], [batch_size, -1], [1, 1])
dec_input = tf.concat([tf.fill([batch_size, 1], target_letter_to_int['<s>']), 
                       ending], 1)

 

文章同步更新在公众号 AIPlayer，欢迎扫码关注，共同进步

往期内容：

• 【五分钟学习Tensorflow系列】tf.nn.depth_to_space()的原理及使用
• 【五分钟学习Tensorflow系列】tf.split()原理及应用