【CNN记录】tensorflow slice和strided_slice

侵蚀昨天

于 2022-08-01 14:19:02 发布

阅读量342

点赞数

分类专栏： DL 文章标签： tensorflow cnn

本文链接：https://blog.csdn.net/q2519008/article/details/126099480

版权

DL 专栏收录该内容

11 篇文章 0 订阅

订阅专栏

这篇博客介绍了 TensorFlow 中用于从张量中提取切片的两种方法：`slice` 和 `strided_slice`。`slice` 函数通过指定开始索引和大小来提取切片，而 `strided_slice` 则增加了步长参数，允许更灵活的切片选择。通过实例展示了如何使用这两个函数，并解释了它们的参数及输出结果。

摘要由CSDN通过智能技术生成

两个函数都是从张量中提取切片

slice

tf.slice(input,begin,size,name=None)
参数说明：
input：输入数据
begin：是一个list，切片索引，对应各个维度，例如[0,1,2]，三个维度分别冲0、1、2开始
size：是一个list，对应begin中指定位置开始，取多少元素

举个栗子

import tensorflow as tf
import numpy as np

#一个4x2x3的tensor
input = tf.constant([[[1, 1, 1], [2, 2, 2]],
                 [[3, 3, 3], [4, 4, 4]],
                 [[5, 5, 5], [6, 6, 6]],
                 [[7, 7, 7], [8, 8, 8]],
                 ])

out=tf.slice(input, [2, 0, 0], [2, 1, 2])
print(out)

输出：
tf.Tensor(
[[[5 5]]

 [[7 7]]], shape=(2, 1, 2), dtype=int32)

第一个维度从2开始取2个，即变为

[[[5, 5, 5], [6, 6, 6]],

[[7, 7, 7], [8, 8, 8]]]

第二个维度从 0开始取1个，即变为

[[[5, 5, 5]],

[[7, 7, 7]]]

第三个维度从0开始取2个，即变为

[[[5, 5]],

[[7, 7]]]

strided_slice

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)
参数解释：
input_：输入数据
begin：是一个list，切片索引，对应各个维度
end：是一个list，终止切片索引(开区间)，对应各个维度终止索引
strides：各个维度进行切片的步长，不设置即为1

举个栗子，和前面一样

import tensorflow as tf
import numpy as np

#一个4x2x3的tensor
input = tf.constant([[[1, 1, 1], [2, 2, 2]],
                 [[3, 3, 3], [4, 4, 4]],
                 [[5, 5, 5], [6, 6, 6]],
                 [[7, 7, 7], [8, 8, 8]],
                 ])


out = tf.strided_slice(input, [1, 0, 0], [4, 1, 2],[2,1,1])
print(out)

输出：
tf.Tensor(
[[[3 3]]

 [[7 7]]], shape=(2, 1, 2), dtype=int32)

第一个维度从1开始区间[1,4)，步长为2，切片为

[[[3, 3, 3], [4, 4, 4]],

[[7, 7, 7], [8, 8, 8]]]

第二个维度从0开始区间[0,1)，步长为1，切片为

[[[3, 3, 3]],

[[7, 7, 7]]]

第二个维度从0开始区间[0,2)，步长为1，切片为

[[[3, 3],],

[[7, 7]]]