Tensor常用的高端切片之Tensor[...,:n]和Tensor[:,n]的区别

1. 先说结论

结论一：T[ ... , : n ] 取最后1维的前n个元素
结论二：T[ : , :n ] 取第2维的前n个元素
结论二扩展：
T[:,:,:n]取第3维的前n个元素，T[:,:,:,:n]取第4维的前n个元素前边有几个:,就相当于前边几个完整（省略）的维度。

2. 代码与分析

np.array( )和terch.tensor( )和tf.tensor( )切片效果一样，这里以np.array()进行演示。

2.1 […,:2]和[:,:2]之间的区别

import numpy as np

anchors = np.array( [
					  [[1,2,3], [4,5,6], [7,8,9]],
                      [[10,20,30], [40,50,60], [70,80,90]],
                      [[100,200,300], [400,500,600], [700,800,900]]
                    ])
print(anchors.shape)			# (3,3,3) : 3行，每横分3段，每段3个数字。

c = anchors[...,:2]		# 最后一维，每三个数字取前2个数字	
print('C:',c)					
print(c.shape)

d = anchors[:,:2]		# 第二维，3段取前2段
print('D:',d)
print(d.shape)

c的打印结果	d的打印结果

2.2 [:,:2]和[:,:,:2]之间的区别

import numpy as np

anchors = np.array([
					 [ 
					   [[1,2,3], [4,5,6], [7,8,9]],
                 	   [[10,20,30], [40,50,60], [70,80,90]],
                 	   [[100,200,300], [400,500,600], [700,800,900]] 
                 	 ], [
					   [[1, 2, 3], [4, 5, 6], [7, 8, 9]],
 					   [[10, 20, 30], [40, 50, 60], [70, 80, 90]],
				 	   [[100, 200, 300], [400, 500, 600], [700, 800, 900]]
				 	 ]
                  ])
print(anchors.shape)	# (2, 3, 3, 2) ： 2块，每块3行，每行3段，每段3个数字

d = anchors[:,:2]		# ：块，3行中的前2行 
print('D:',d)
print(d.shape)

f = anchors[:,:,:2]		# ：块，：行，3段中的前两段
print('F:',f)
print(f.shape)

d的打印结果	f的打印结果

3. 总结

一个tensor如果只有2维，那么tensor[…,:n]和tensor[:,:n]结果是一样的。
如果这个tensor是一个多维度张量，如果想取最后 一维的前n个元素则选用...（常用）,如果想取中间某维度的前几个则用：。