Python mxnet.ndarray.slice_like用法及代码示例

用法:
mxnet.ndarray.slice_like(data=None, shape_like=None, axes=_Null, out=None, name=None, **kwargs)

参数：

data：(NDArray) - 源输入
shape_like：(NDArray) - 形状像输入
axes：(Shape(tuple), optional, default=[]) - 根据第二个输入的相应大小对输入数据进行切片的轴列表。默认情况下将在所有轴上切片。支持负轴。
out：(NDArray, optional) - 输出 NDArray 来保存结果。

out：- 此函数的输出。

返回类型：

NDArray 或 NDArray 列表

像另一个数组的形状一样对数组的一个区域进行切片。此函数类似于 slice ，但是，从第二个输入 shape_like 推断特定轴的 begin 始终为 0`s and `end 。给定 shape=(d_0, d_1, ..., d_n-1) 的第二个 shape_like 输入，一个默认为空 axes 的 slice_like 运算符，它执行以下操作： `` out = slice(input, begin=(0, 0, ..., 0),结束=(d_0，d_1，...，d_n-1))``。当axes 不为空时，它用于指定正在切片的轴。给定一个 4 维输入数据，带有 axes=(0, 2, -1) 的 slice_like 运算符将执行以下操作： ``out = slice(input, begin=(0, 0, 0, 0), end=(d_0, None, d_2 , d_3))``。请注意，允许具有不同尺寸的第一个和第二个输入，但是，您必须确保指定 axes 并且不超过尺寸限制。例如，给定 input_1 和 shape=(2,3,4,5) 和 input_2 和 shape=(1,2,3) ，不允许使用：``out = slice_like(a, b)`` 因为 input_1 的 ndim 是 4，并且 input_2 的 ndim 为 3。在这种情况下允许以下内容：``out = slice_like(a, b, axes=(0, 2))`` 示例：

x = [[  1.,   2.,   3.,   4.],
     [  5.,   6.,   7.,   8.],
     [  9.,  10.,  11.,  12.]]
y = [[  0.,   0.,   0.],
     [  0.,   0.,   0.]]
slice_like(x, y) = [[ 1.,  2.,  3.]
                    [ 5.,  6.,  7.]]
slice_like(x, y, axes=(0, 1)) = [[ 1.,  2.,  3.]
                                 [ 5.,  6.,  7.]]
slice_like(x, y, axes=(0)) = [[ 1.,  2.,  3.,  4.]
                              [ 5.,  6.,  7.,  8.]]
slice_like(x, y, axes=(-1)) = [[  1.,   2.,   3.]
                               [  5.,   6.,   7.]
                               [  9.,  10.,  11.]]

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.ndarray.slice_like。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

返回类型：