一、strided_slice原型

strided_slice在各个维度上对数据做切片，做切片过程中可以指定stride。

原型如下：

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
)

其中：begin/end/strides指定各个维度上的起始/结束与步长的vector，长度是rank。注意：end是开区间，也即是达不到的。

也就是在axis#0上切片[begin[0], end[0])，stride: strides[0]；在axis#1上切片[begin[1], end[1])，stride: strides[1]，...

二、strided_slice对数据的处理

以一个3D Tensor [4, 6, 3]做begin[0, 1, 0], end[4, 6, 3], stride[2, 2, 1]为例，看strided_slice操作对数据的处理就是：

axis#0维上，切片[0, 4)，stride 2，也就是切片#0，#2；
axis#1维上，切片[1, 6)，stride 2，也就是切片#1，#3，#5；
axis#2维上，切片[0, 3)，stride 1，也就是切片#0，#1，#2；也就是该维上不变。

上述的处理过程，一张图展示就是这样：

三、strided_slice程序实现

上述过程用程序实现，如下：

定义一个[4, 6, 3]的Tensor：

>>>
>>> t = tf.range(4*6*3)
>>> t = tf.reshape(t, [4, 6, 3])
>>> t
<tf.Tensor: shape=(4, 6, 3), dtype=int32, numpy=
array([[[ 0,  1,  2],[ 3,  4,  5],[ 6,  7,  8],[ 9, 10, 11],[12, 13, 14],[15, 16, 17]],[[18, 19, 20],[21, 22, 23],[24, 25, 26],[27, 28, 29],[30, 31, 32],[33, 34, 35]],[[36, 37, 38],[39, 40, 41],[42, 43, 44],[45, 46, 47],[48, 49, 50],[51, 52, 53]],[[54, 55, 56],[57, 58, 59],[60, 61, 62],[63, 64, 65],[66, 67, 68],[69, 70, 71]]], dtype=int32)>
>>>

执行strided_slice(begin = [0, 1, 0], end = [4, 6, 3], strides = [2, 2, 1])之后：

>>>
>>> t = tf.strided_slice(t, begin = [0, 1, 0], end = [4, 6, 3], strides = [2, 2, 1])
>>> t
<tf.Tensor: shape=(2, 3, 3), dtype=int32, numpy=
array([[[ 3,  4,  5],[ 9, 10, 11],[15, 16, 17]],[[39, 40, 41],[45, 46, 47],[51, 52, 53]]], dtype=int32)>
>>>

总结

本文以图示和程序分析了tf.strided_slices对Tensor的处理，在各个维度上做切片。

图解TensorFlow op：tf.strided_slice相关推荐

tensorflow op tf.global_variables_initializer
一.安装目前用了tensorflow.deeplearning4j两个深度学习框架, tensorflow 之前一直支持到python 3.5,目前以更新到3.6,故安装最新版体验使用. 慢慢长征路 ...
pytorch实现连续切片，类似于tf.strided_slice()
1.背景: 一直使用torch进行开发,torch的友好为开发调试提供了很多方便,但是torch中有些函数没有内置,造成使用的时候必须自己实现,最近就遇到了一个连续切片的问题,问题可以想象我们往Ber ...
Dive into TensorFlow - 解析 TF 核心抽象 op 算子
TF 计算图从逻辑层来讲,由 op 与 tensor 构成.op 是项点代表计算单元,tensor 是边代表 op 之间流动的数据内容,两者配合以数据流图的形式来表达计算图.那么 op 对应的物理层实 ...
[图解tensorflow源码] [原创] Tensorflow 图解分析（Session, Graph, Kernels, Devices）
TF Prepare [图解tensorflow源码] 入门准备工作 [图解tensorflow源码] TF系统概述篇 Session篇 [图解tensorflow源码] Session::Run() ...
[图解tensorflow源码] 入门准备工作附常用的矩阵计算工具[转]
[图解tensorflow源码] 入门准备工作附常用的矩阵计算工具[转] Link: https://www.cnblogs.com/yao62995/p/5773142.html tensorfl ...
【TensorFlow】tf.nn.conv2d是怎样实现卷积的？
int height_col= (height + 2 * pad_h - kernel_h) / stride_h + 1; int width_col = (width + 2 * pad_w - ...
tf.strided_slice函数
在看cifar10的例子的时候,必然会看到一个函数,官方给的文档注释长而晦涩,基本等于0.网上也有这个函数,但解释差劲或者基本没有解释,函数的原型是酱紫的. def strided_slice(inp ...
【Tensorflow】tf.nn.atrous_conv2d如何实现空洞卷积？膨胀卷积
介绍关于空洞卷积的理论可以查看以下链接,这里我们不详细讲理论: 1.Long J, Shelhamer E, Darrell T, et al. Fully convolutional networ ...
Tensorflow中tf.ConfigProto()详解
参考Tensorflow Machine Leanrning Cookbook tf.ConfigProto()主要的作用是配置tf.Session的运算方式,比如gpu运算或者cpu运算具体代码如 ...

图解TensorFlow op：tf.strided_slice

一、strided_slice原型

二、strided_slice对数据的处理

三、strided_slice程序实现

总结

图解TensorFlow op：tf.strided_slice相关推荐

最新文章

热门文章