Pytorch学习笔记 2- 张量的索引与切片

张量的索引与切片

索引方式

#[B,C,H,W]
a = torch.tensor([ [[[ 1, 2, 3],[ 4, 5, 6],[ 7, 8, 9]],
                    [[10,11,12],[13,14,15],[16,17,18]],
                    [[19,20,21],[22,23,24],[25,26,27]]],

                   [[[28,29,30],[31,32,33],[34,35,36]],
                    [[37,38,39],[40,41,42],[43,44,45]],
                    [[46,47,48],[49,50,51],[52,53,54]]] ])[B,C,H,W]
a.shape
#out:
torch.Size([2, 3, 3, 3])

a[0]   #  第一个维度的所有值
#out:
tensor([[[ 1,  2,  3],
         [ 4,  5,  6],
         [ 7,  8,  9]],

        [[10, 11, 12],
         [13, 14, 15],
         [16, 17, 18]],

        [[19, 20, 21],
         [22, 23, 24],
         [25, 26, 27]]])
#
a[0].shape
#out:

a[0].shape
torch.Size([3, 3, 3])

#同理a[0,1],就是第一个维度上的第2个维度
a[0,1]
#out:
tensor([[10, 11, 12],
        [13, 14, 15],
        [16, 17, 18]])
#a[0,1,2,2]
a[0,1,2,2]
tensor(18)

切片

#看成2张图片，3通道，3x3 大小
#在第一个维度上，0 到 1，不包含1，那就只有第一张图片
a[:1]
#out:
tensor([[[[ 1,  2,  3],
          [ 4,  5,  6],
          [ 7,  8,  9]],

         [[10, 11, 12],
          [13, 14, 15],
          [16, 17, 18]],

         [[19, 20, 21],
          [22, 23, 24],
          [25, 26, 27]]]])
#
a[:1,:1,:1,:1]
tensor([[[[1]]]])

#
a[1:2,-1:,:,:]
#out:
tensor([[[[46, 47, 48],
          [49, 50, 51],
          [52, 53, 54]]]])
## 如果两个冒号，隔行采样  start:end:step