tf.slice解析

tf.slice(input_, begin, size, name = None)

解释：

这个函数的作用是从输入数据input中提取出一块切片
- 切片的尺寸是size，切片的开始位置是begin。
- 切片的尺寸size表示输出tensor的数据维度，其中size[i]表示在第i维度上面的元素个数。
- 开始位置begin表示切片相对于输入数据input_的每一个偏移量，比如数据input是
  
  [[[1, 1, 1], [2, 2, 2]],
  [[33, 3, 3], [4, 4, 4]],
  [[5, 5, 5], [6, 6, 6]]]，
begin为[1, 0, 0]，那么数据的开始位置是33。因为，第一维偏移了1，其余几位都没有偏移，所以开始位置是33。
操作满足：
size[i] = input.dim_size(i) - begin[i]
0 <= begin[i] <= begin[i] + size[i] <= Di for i in [0, n]

import tensorflow as tfsess = tf.Session()
input = tf.constant([[[1, 1, 1], [2, 2, 2]],[[3, 3, 3], [4, 4, 4]],[[5, 5, 5], [6, 6, 6]]])
data = tf.slice(input, [1, 0, 0], [1, 1, 3])
print(sess.run(data))
"""[1,0,0]表示第一维偏移了1
则是从[[[3, 3, 3], [4, 4, 4]],[[5, 5, 5], [6, 6, 6]]]中选取数据
然后选取第一维的第一个，第二维的第一个数据，第三维的三个数据"""
# [[[3 3 3]]]
data = tf.slice(input, [1, 0, 0], [1, 2, 3])
print(sess.run(data))
# [[[3 3 3]
#   [4 4 4]]]
data = tf.slice(input, [1, 0, 0], [2, 1, 3])
print(sess.run(data))
# [[[3 3 3]]
#
#  [[5 5 5]]]
data = tf.slice(input, [1, 0, 0], [2, 2, 2])
print(sess.run(data))
# [[[3 3]
#   [4 4]]
#
#  [[5 5]
#   [6 6]]]
"""输入参数：● input_: 一个Tensor。● begin: 一个Tensor，数据类型是int32或者int64。● size: 一个Tensor，数据类型是int32或者int64。● name:（可选）为这个操作取一个名字。
输出参数：● 一个Tensor，数据类型和input_相同。"""

小白的总结：（我胡乱讲的，写给我自己看的）

1、begin为【0 0 0】时，表示从头开始，为【1 0 0 】时表示从第二行开始取，同理为【2 0 0】时，表示从第三行开始取。

2、当begin为【0 0 0】，size为【1 1 1】时。表示从头取个一行一列一元的数组，即结果为【【【1】】】

3、当begin为【1 0 0】，size为【1 2 2】时，表示从第二行开始，取一个一行二列二元的数组，即【【【3 3】，【【4 4】】】

4、当begin为【1 0 0】，size为【2 2 3】时，表示从第二行开始取一个二行二列的三元数组，即【【【3 3 3】【4 4 4】】，

【【5 5 5 】【6 6 6】】】

参考：https://www.cnblogs.com/cloud-ken/p/8457077.html

tf.slice解析相关推荐

计算机一级电子表格TF函数,tf.slice()函数详解（极详细）
tf.slice()是TensorFlow库中分割张量的一个函数,其定义为def slice(input_, begin, size, name=None):.tf.slice()函数的那些参数设置实 ...
tensorflow中tf.gradients()解析
tf.gradients()解析及grad_ys在xs为(?, 1)时的理解问题简介使用tensorflow1.15学习时,有一项tf.gradients的代码,其中用到了grad_ys这个参数, ...
Tensorflow API 学习(3)-tf.slice()
1,函数原型 tf.slice(inputs,begin,size,name='') 2,用途:从inputs中抽取部分内容 inputs:可以是list,array,tensor begin:n维列 ...
谷歌BERT预训练源码解析（二）：模型构建
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/weixin_39470744/arti ...
Tensorflow操作与函数全面解析
转载自:http://blog.csdn.net/lenbow/article/details/52152766 1.tensorflow的基本运作为了快速的熟悉TensorFlow编程,下面从一段 ...
TensorFlow 概念的解析（i.e. 缘由）
TensorFlow 基本概念解析 -- TensorFlow Machine Learning Cookbook TensorFlow 中的基本概念解析声明张量 tensorflow 中的主要数据 ...
如何用TF Object Detection API训练交通信号灯检测神经网络？
参加 2019 Python开发者日,请扫码咨询 ↑↑↑ 作者简介:申泽邦(Adam Shan),谷歌认证机器学习专家(Google Developer Expert),兰州大学智能驾驶团队技术负责人 ...
tensorflow学习笔记：tf.data.Dataset，from_tensor_slices(),shuffle()，batch()的用法
tf.data.Dataset.from_tensor_slices: 它的作用是切分传入Tensor的第一个维度,生成相应的dataset. 例1: dataset = tf.data.Datase ...
tf.name_scope与tf.variable_scope用法区别
转自:https://blog.csdn.net/daizongxue/article/details/84284007 本文由网络上一些回答和博文汇总而成. 要将这个问题解释清楚,得结合tensor ...

tf.slice解析

tf.slice(input_, begin, size, name = None)

tf.slice解析相关推荐

最新文章

热门文章