Python mxnet.ndarray.op.slice_like用法及代碼示例

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

參數：

data：(NDArray) - 源輸入
shape_like：(NDArray) - 形狀像輸入
axes：(Shape(tuple), optional, default=[]) - 根據第二個輸入的相應大小對輸入數據進行切片的軸列表。默認情況下將在所有軸上切片。支持負軸。
out：(NDArray, optional) - 輸出 NDArray 來保存結果。

out：- 此函數的輸出。

返回類型：

NDArray 或 NDArray 列表

像另一個數組的形狀一樣對數組的一個區域進行切片。此函數類似於 slice ，但是，從第二個輸入 shape_like 推斷特定軸的 begin 始終為 0`s and `end 。給定 shape=(d_0, d_1, ..., d_n-1) 的第二個 shape_like 輸入，一個默認為空 axes 的 slice_like 運算符，它執行以下操作： `` out = slice(input, begin=(0, 0, ..., 0),結束=(d_0，d_1，...，d_n-1))``。當axes 不為空時，它用於指定正在切片的軸。給定一個 4 維輸入數據，帶有 axes=(0, 2, -1) 的 slice_like 運算符將執行以下操作： ``out = slice(input, begin=(0, 0, 0, 0), end=(d_0, None, d_2 , d_3))``。請注意，允許具有不同尺寸的第一個和第二個輸入，但是，您必須確保指定 axes 並且不超過尺寸限製。例如，給定 input_1 和 shape=(2,3,4,5) 和 input_2 和 shape=(1,2,3) ，不允許使用：``out = slice_like(a, b)`` 因為 input_1 的 ndim 是 4，並且 input_2 的 ndim 為 3。在這種情況下允許以下內容：``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.]]

相關用法

注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.ndarray.op.slice_like。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

返回類型：