numpy或tensor的一个切片技巧 —— [..., n]

前言

之前看一些代码时遇到这样的一段代码（如下所示）使用了一种比较奇怪的切片 […, 1:2]，此文介绍了这种方式的意思和使用

...
box_xy = K.sigmoid(feats[..., :2])
box_wh = K.exp(feats[..., 2:4])
box_confidence = K.sigmoid(feats[..., 4:5])
box_class_probs = K.softmax(feats[..., 5:])
...

[…]用法

简单来说，这是一种切片的使用方式

import numpy as np

a = np.arange(0, 6)
a = np.reshape(a, [2, 3])

print(a)
print(a[..., 1])
print(a[..., 0:1])

# 输出
'''
		[[0 1 2]
	 	 [3 4 5]]
	 	 
		[1 4]
		
		[[0]
		 [3]]
'''

如上面所示，a的shape是（2， 3），a[…,1]就是输出最后一个维度的序号1的数值，即是[1, 4]，a[…, 0:1]保留最后一个维度0:1的数值。如果还不清楚可以看下这个例子

import numpy as np

b = np.arange(0, 24)
b = np.reshape(b, [2, 3, 4])
print(b)
print(b[..., 1])
print(b[..., 1:2])

# 输出
'''
		[[[ 0  1  2  3]
		  [ 4  5  6  7]
		  [ 8  9 10 11]]
		
		 [[12 13 14 15]
		  [16 17 18 19]
		  [20 21 22 23]]]
	 	 
		[[ 1  5  9]
		 [13 17 21]]
		
		[[[ 1]
		  [ 5]
		  [ 9]]
		
		 [[13]
		  [17]
		  [21]]]
'''