tf.slice的另一种理解方式，让你轻松记住

tf.slice(input,begin,size)

举例：

1、tf.slice([[1,2,3],[4,5,6],[7,8,9]],[0,0],[2,1])

快速解答：[[1,2,3],[4,5,6],[7,8,9]]在第一维度切片结果为[[1,2,3],[4,5,6],[7,8,9]][0:0+2] 结果为：[[1,2,3],[4,5,6]]

接着再第二维度切片[[1,2,3][0:0+2],[4,5,6][0:0+1]] 结果为：[[1],[4]]

input的shapes是（3，3）,则begin和size的长度必定为2（2维数组）

具体切片过程可以理解为：

第一步：[[1,2,3],[4,5,6],[7,8,9]][0:0+2] （0+2指的就是begin+size） （这就是列表的切片）结果为：[[123],[4,5,6]]

第二步：[1,2,3][0:0+1] 和 [4,5,6][0:0+1]  结果为：1和4

第三步：最后的结果一定还原成2为数组，所以结果为[[1],[4]]

2、tf.slice([[[1,2,3],[4,5,6]],[[7,8,9],[10,1,1]]],[0,0,1],[-1,-1,2])（-1代表从begin位置开始全部取出）

快速解答：第一维度切片[[[1,2,3],[4,5,6]],[[7,8,9],[10,1,1]]][0:]  结果为[[[1,2,3],[4,5,6]],[[7,8,9],[10,1,1]]]

第二维度切片[[[1,2,3],[4,5,6]][0:],[[7,8,9],[10,1,1]][0:]]  结果为[[[1,2,3],[4,5,6]],[[7,8,9],[10,1,1]]]

第三维度切片[[[1,2,3][1:1+2],[4,5,6][1:1+2]],[[7,8,9][1:1+2],[10,1,1][1:1+2]]] 其结果为[[[2,3],[5,6]],[[8,9],[1,1]]]

具体过程可理解为：

第一步：[[[1,2,3],[4,5,6]],[[7,8,9],[10,1,1]]][0:] 输出结果[[[1,2,3],[4,5,6]],[[7,8,9],[10,1,1]]]

第二步：同样第一步结果含有两个元素，所以 [[1,2,3],[4,5,6]][0:]和[[7,8,9],[10,1,1]][0:] 结果为：[[1,2,3],[4,5,6]]和[[7,8,9],[10,1,1]]

第三步：第二步元素个数为2+2为4，所以[1,2,3][1:3]、[4,5,6][1:3]、[7,8,9][1:3]和[10,1,1][1:3] 结果分别为[2,3]、[5,6]、[8,9]和[1,1]

第四步：还原成三维数组[[[2,3],[5,6],[8,9],[1,1]]]

第五步：[2,3]和[5,6]是由[[1,2,3],[4,5,6]]生成的，所以最后的结果为[[[2,3],[5,6]],[[8,9],[1,1]]]