Python tf.strided_slice用法及代碼示例

提取張量的跨步切片(廣義 Python 數組索引)。

用法

tf.strided_slice(
    input_, begin, end, strides=None, begin_mask=0, end_mask=0, ellipsis_mask=0,
    new_axis_mask=0, shrink_axis_mask=0, var=None, name=None
)

另見tf.slice。

大多數用戶不想直接調用此操作，而是希望使用 NumPy-style 切片語法(例如 tensor[..., 3:4:-1, tf.newaxis, 3] )，該語法通過 tf.Tensor.getitem 和 tf.Variable.getitem 得到支持。此操作的接口是切片語法的低級編碼。

粗略地說，這個操作從給定的 input_ 張量中提取了一個大小為 (end-begin)/stride 的切片。從 begin 指定的位置開始，切片通過將 stride 添加到索引繼續，直到所有維度不小於 end 。請注意，步幅可以是負數，這會導致反向切片。

給定一個 Python 切片 input[spec0, spec1, ..., specn] ，該函數將按如下方式調用。

begin , end 和 strides 將是長度為 n 的向量。 n 通常不等於input_ 張量的秩。

在每個掩碼字段 (begin_mask , end_mask , ellipsis_mask , new_axis_mask , shrink_axis_mask) 中，第 i 個位將對應於第 i 個規範。

如果設置了begin_mask 的第i 位，則忽略begin[i]，並使用該維度中可能的最大範圍。 end_mask 的工作方式類似，除了結束範圍。

7x8x9 張量上的 foo[5:,:,:3] 等價於 foo[5:7,0:8,0:3] 。 foo[::-1] 反轉形狀為 8 的張量。

如果設置ellipsis_mask的第i位，則將根據需要在其他維度之間插入盡可能多的未指定維度。 ellipsis_mask 中隻允許有一個非零位。

例如，形狀 10x3x3x10 張量上的 foo[3:5,...,4:5] 等價於 foo[3:5,:,:,4:5] 並且 foo[3:5,...] 等價於 foo[3:5,:,:,:] 。

如果 new_axis_mask 的第 i 位被設置，則 begin , end 和 stride 將被忽略，並在輸出張量的此時添加一個新的長度為 1 維。

例如，foo[:4, tf.newaxis,:2] 將產生形狀 (4, 1, 2) 張量。

如果設置 shrink_axis_mask 的第 i 位，則意味著第 i 個規範將維度縮小 1，取索引 begin[i] 處的值。在這種情況下，end[i] 和 strides[i] 將被忽略。例如，在 Python 中，可能會執行 foo[:, 3,:]，這將導致 shrink_axis_mask 等於 2。

注意：begin 和end 是zero-indexed。 strides 條目必須非零。

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