TensorFlow索引与切片语句

学习课程
1.Basic indexing

a=tf.ones([1,5,5,3]) #创建tensor
a[0][0]  #结果是5*3的tensor
a[0][0][0]  #结果是1*3的tensor
a[0][0][0][1]  #结果是一个数1

2.Numpy-style indexing

a = tf.random.normal([4,28,28,3]) #4张照片
a[1].shape  #第2张照片的信息维度,TensorShape([28,28,3])
a[1,2].shape  #第二张照片第三行的信息维度，TensorShape([28,3])
a[1,2,3].shape  #第二张照片第三行第四列的信息维度TensorShape([3])
a[1,2,3,2].shape  #第二张照片第三行第四列地三层的信息维度TensorShape([])

3.start:end #左闭右开

a=tf.range(10)
a[-1:]  #结果为[9]
a[-2:]  #结果为[8,9]
a[1:]  #结果为[1,2,3,4,5,6,7,8,9]
a[:-1]  #结果为[0,1,2,3,4,5,6,7,8]

4.Indexing by :

a = tf.random.normal([4,28,28,3]) #4张照片
a[0].shape  #第1张照片的信息维度,TensorShape([28,28,3])
a[0,:,:,:].shape  #第1张照片的信息维度,TensorShape([28,28,3])
a[0,1,:,:].shape  #第1张照片第1行的信息维度,TensorShape([28,3])
a[:,:,:,2].shape  #第三层信息维度,TensorShape([4,28,28])
a[:,0,:,:].shape  #第1行信息维度,TensorShape([4,28,3])

5.Indexing by ::
start: end:step
::step

a[0:2,:,:,:].shape    #TensorShape([2,28,28,3])
a[:,0:28:2,:,:].shape    #TensorShape([4,14,28,3])
a[:,:14,:,:].shape    #TensorShape([4,14,28,3])
a[:,:14,14:,:].shape    #TensorShape([4,14,14,3])
a[:,::2,::2,:].shape    #TensorShape([4,14,14,3])

6.::-1 #逆序

a=tf.range(4)   #[0,1,2,3]
a[::-1]  #[3,2,1,0]
a[::-2]  #[3,1]
a[2::-2]  #[2,0]

7.…

a = tf.random.normal([2,4,28,28,3]) #,2个tasts，4张照片
a[0].shape  #TensorShape([4,28,28,3])
a[0,:,:,:,:].shape  #TensorShape([4,28,28,3])
a[0,...].shape  #TensorShape([4,28,28,3])
a[:,:,:,:,0].shape  #TensorShape([2,4,28,28])
a[...,0].shape  #TensorShape([2,4,28,28])
a[0,:,:,:,0].shape  #TensorShape([4,28,28])
a[0,...,0].shape  #TensorShape([4,28,28])

8.tf.gather

a=tf.random.normal([4,35,8]) #4个班级，每个班级35个学生，每个学生8科课程
tf.gather(a,axis=0,indices[2,3]).shape #TensorShape([2,35,8]),选第3和第4个班级的所有数据
a[2:4].shape #TensorShape([2,35,8]),选第3和第4个班级的所有数据
tf.gather(a,axis=0,indices[3,2,4,1]).shape #TensorShape([4,35,8]),所有班级所有数据，但班级查看顺序不一样
tf.gather(a,axis=1,indices[2,4,7]).shape #TensorShape([4,3,8]),所有班级的第3，5，8号学生的所有科目成绩

9.tf.gather_nd
略
10.tf.boolean_mask

略