在看pytorch代码时经常会看见[…,0,0]
和[:,0,0]
两种形式,但是他们代表什么呢?
下面举个例子来讲:
随机生成shape为[2,3,2,2]的数组,姑且看成2个batch,每个batch有3个通道,每个通道大小2*2。
1、[:]
的含义
例1:
输出是原数组:
第一个结果:所有batch中,第0个通道中所有元素。
第二个结果:所有batch中,第0个通道,第1行的所有元素。
例2:
第一个结果:第0个batch中,所有通道的所有元素。
第二个结果:第0个batch中,所有通道中,第1行的所有元素。
**结论:**结合例1和例2可以看出来,:
可以代表的是某一个、单个维度所有的元素,查找元素与数组访问一致,从前往后查,后面无参数默认所有元素。
2、[...]
的含义
例3:
输出是原数组:
第一个结果:所有batch中,所有通道中,所有行中,第0列的元素,同一通道中的元素组成一行。
第一个结果:所有batch中,所有通道中,所有行中,第1列的元素,同一通道中的元素组成一行。
例4:
输出是原数组:
第一个结果:所有batch中,所有通道中,第0行,第1列的元素。
第二个结果:所有batch中,所有通道中,第1行,第1列的元素。
例5:
输出是原数组:
**结论:**结合例3、4、5可以看出来,...
可以代表多个、不同维度的元素,查找元素顺序可以看作从后向前找。
3、[...]
与[:]
等价关系
如果没有太明白没关系,看下面这个例子更为直观:
例6:
可以看出来...
与:
是可以相互等价的:
上图第一个为例,[...,0]
与[:,:,:,0]
,一个...
可以代表三个:
,同理,第二个[...,0,0]
与[:,:,0,0]
,一个...
可以代表两个:
,所以说[...]
代表了前面所有纬度的数据,而[:]
只是代表一个纬度的数据。
另外,在另一个博主的博客中提到:
the x[…] = … modifies x in-place;
It’s like x[:] = … but works with arrays of any dimension (including 0d). In this context x isn’t just a number, it’s an array.
Slicing: Important use of Ellipsis (…) is in slicing higher-dimensional data structures.
在引用高维数组时,使用[...]
比[:]
引用更方便,确实如此。
4、Tips
Tip 1:
[...]
只能在使用引用的时候出现一次,以下都是不可行的:
在这里是创建了一个高维数组:a = np.random.rand(3,3,3,3,3,3)
可以看到报错信息是IndexError: an index can only have a single ellipsis ('...')
,意思是你只能有一个省略号。
Tip 2:
当然[...]
与[:]
是可以混合使用的,没有先后顺序:
5、总结
简单来讲:
一个[:]
单纯的代表一个维度,在使用低维数组的时候使用比较灵活,查找元素从前向后;
一个[...]
代表多个维度,多个维度指的是连续的维度,在使用高维数组的时候比较灵活,查找元素从后向前;
一个[...]
相当于连续的多个[:]
使用,但是一个[...]
只能在一次引用当中使用一次;
[...]
可以与多个[:]
在引用中混合使用;
参考博客:
多个维度指的是连续的维度,在使用高维数组的时候比较灵活,查找元素从后向前;
一个[...]
相当于连续的多个[:]
使用,但是一个[...]
只能在一次引用当中使用一次;
[...]
可以与多个[:]
在引用中混合使用;
参考博客: