【Pytorch基础】基础点整理2

# 索引与切片

a = torch.rand(4,3,28,28)

print(a[0].shape)

# torch.Size([3, 28, 28])    输入的是cnn的4个batch的三通道的28*28的图片，索引出来的是第一个batch的


print(a[0,0].shape)

# torch.Size([28, 28])       第一张图片的第一个通道的尺寸


print(a[0,0,2,4])

# tensor(0.9762)      第一长第一个通道第二行第四列的像素点值(标量)

# 取前两张或者后两张图片的连续性的索引、包含反向索引

# select first/last N

print(a.shape)

# 0~2不包含2，也就是前2


print(a[:2].shape)
print(a[:2,:1].shape)

# 从1之后，包含1，也就是1，2，3

print(a[:2,1:].shape)

# 反向索引

print(a[:2,-1:].shape)


# torch.Size([4, 3, 28, 28])
# torch.Size([2, 3, 28, 28])
# torch.Size([2, 1, 28, 28])
# torch.Size([2, 2, 28, 28])
# torch.Size([2, 1, 28, 28])

# 有间隔的采样

print(a[:,:,0:28:2,0:28:2,].shape)

# 也可以只留步长

print(a[:,:,::2,::2,].sh