tensorflow 中tf.strided_slice和tf.slice的区别

函数：tf.slice(inputs, begin, size, name)

作用：从列表、数组、张量等对象中抽取一部分数据

1. begin和size是两个多维列表，他们共同决定了要抽取的数据的开始和结束位置

   begin表示从inputs的哪几个维度上的哪个元素开始抽取
   size表示在inputs的各个维度上抽取的元素个数

import tensorflow as tf  
import numpy as np  
x=[[1,2,3],[4,5,6]]  
with tf.Session() as sess:
     begin = [0,1]  # 从x[0,1],即元素2开始抽取
     size = [2,1]   # 从x[0,1]开始，对x的第一个维度（行）抽取2个元素，在对x的第二个维度（列）抽取1个元素
     print sess.run(tf.slice(x,begin,size))  # 输出[[2 5]]

tf.strided_slice
tf.slice

这两用法其实是一样的，唯一的区别在于区间的开闭。

t = tf.constant([[[1, 1, 1], [2, 2, 2]],
                 [[3, 3, 3], [4, 4, 4]],
                 [[5, 5, 5], [6, 6, 6]]])
c=tf.strided_slice(t, [1, 0, 0], [2, 2, 2])   #[[[3 ，3]，[4 ，4]]]
c=tf.slice(t, [1, 0, 0], [2, 2, 2])#[[[3， 3]，[4 ，4]]，[[5， 5][6 ，6]]]

二者的区别就是tf.slice在一维上闭区间 ，tf.strided_slice在一维上开区间