tensorflow学习笔记--tf.strided_slice

• 链接：https://www.tensorflow.org/api_docs/python/tf/strided_slice

• 说明：对传入的tensor执行切片操作，返回切片后的tensor。主要参数input_, start, end, strides，strides代表切片步长。

• 例子：

•  # 'input' is [[[1, 1, 1], [2, 2, 2]],
    #             [[3, 3, 3], [4, 4, 4]],
    #             [[5, 5, 5], [6, 6, 6]]]
    tf.strided_slice(input, [1, 0, 0], [2, 1, 3], [1, 1, 1]) ==> [[[3, 3, 3]]]
    # 上面一行代码中[1,0,0]分别代表原数组三个维度的切片起始位置，[2,1,3]代表结束位置。
    [1,1,1]代表切片步长，表示在三个维度上切片步长都为1。我们的原始输入数据为3 x 2 x 3，
    通过参数我们可以得到，第一个维度上切片start=1,end=2，
    第二个维度start=0, end=1，第三个维度start=0, end=3。
    我们从里面的维度来看，原始数据的第三个维度有三个元素，切片操作start=0,end=3,stride=1，代表第三个维度上的元素我们全部保留。
    同理，在第二个维度上，start=0, end=1, stride=1，代表第二个维度上只保留第一个切片，这样我们就只剩下[[[1,1,1]],[[3,3,3]],[[5,5,5]]]。
    接着我们看第一个维度，start=1, end=2, stride=1代表只取第二个切片，因此得到[[[3,3,3]]。以下两个例子同理。
    
    tf.strided_slice(input, [1, 0, 0], [2, 2, 3], [1, 1, 1]) ==> [[[3, 3, 3],
                                                       [4, 4, 4]]]
    tf.strided_slice(input, [1, -1, 0], [2, -3, 3], [1, -1, 1]) ==>[[[4, 4, 4],
                                                         [3, 3, 3]]]

  参考链接：https://github.com/NELSONZHAO/zhihu/tree/master/basic_seq2seq?1521452873816
• 注意：如何看numpy数组的维度：以input数组为例，input维度是（3，2，3），即第一维有3个元素，第2维有2个元素，第3维有3个元素。技巧：第一维是看第一个方括号里包了几个元素，第二维是看第二个方括号里包了几个元素。。。。以此类推。