tf.split(),tf.strided_slice(), tf.slice()

tf.split(): 有两种切割方式
https://blog.csdn.net/SangrealLilith/article/details/80272346
tf.slice():
https://www.jianshu.com/p/71e6ef6c121b
tf.strided_slice函数:
https://blog.csdn.net/banana1006034246/article/details/75092388 note:该贴很赞
https://blog.csdn.net/a13602955218/article/details/81254684

tf.split(): 分成几瓣,每一瓣为一个列表,并共同组成一个list返回.
tf.strided_slice():

tf.stride_slice(data, begin, end)
tf.slice(data, begin, end)
两者都是用于切割矩阵，不同点在于slice的end索引是闭区间，stride_slice的end索引是开区间，所以一个截掉最后一列的小技巧是用stride_slice(data, [0, 0], [rows, -1])，但是如果是用slice(data, [0, 0], [rows, -1])则仍是原矩阵。
注意begin和end不是一个常数，而是一个数组，
例如对于矩阵[1,2,3,4,5]，截取前三个，应该用tf.slice(data,[0],[2])
对于
[[1,2,3],
[4,5,6],
[7,8,9]]
截取1,2,4,5，应该用tf.slice(data,[0,0],[1,1])

tf.slice():切出一片
1，函数原型 tf.slice(inputs,begin,size,name=’’)
2，用途：从inputs中抽取部分内容

 inputs：可以是list,array,tensor

 begin：n维列表，begin[i] 表示从inputs中第i维抽取数据时，相对0的起始偏移量，也就是从第i维的begin[i]开始抽取数据

 size：n维列表，size[i]表示要抽取的第i维元素的数目

 有几个关系式如下:

     （1） i in [0,n]

     （2）tf.shape(inputs)[0]=len(begin)=len(size)

     （3）begin[i]>=0   抽取第i维元素的起始位置要大于等于0

     （4）begin[i]+size[i]<=tf.shape(inputs)[i]

tf.split(dimension, num_split, input)：dimension的意思就是输入张量的哪一个维度，如果是0就表示对第0维度进行切割。num_split就是切割的数量，如果是2就表示输入张量被切成2份，每一份是一个列表。