TensorFlow中的切片操作——tf.slice

一、概述

切片操作是在TensorFlow中非常常見的一種操作，tf.slice函數就是專門用來進行切片操作的函數。

tf.slice函數的作用是從一個Tensor中提取出一部分數據，作為一個新的Tensor返回。

二、函數參數

tf.slice函數的函數參數非常簡潔明了，在這裡我們將分別對其中的三個參數進行介紹。

1. input_tensor

該參數表示輸入的Tensor，可以是一個常量，也可以是一個變數。

2. begin

該參數表示開始切片的位置，在這裡我們可以將它理解為一個坐標。

begin的數據類型必須是一個長度與input_tensor一樣的一維數組，數組中的每個元素代表了一個維度上的起始位置。

3. size

該參數表示切片的大小，也可以將其理解為一個區域。

size的數據類型必須是一個長度與input_tensor一樣的一維數組，數組中的每個元素代表了一個維度上的切片大小。

三、代碼示例

下面我們將通過一些具體的例子來展示tf.slice函數的使用。所有的代碼示例都可以在TensorFlow1.15版本下運行。

1. 示例1

首先我們來看一個簡單的例子，假設有一個形狀為[2,2,2]的Tensor a，我們要從其中取出第一個維度為0，第二個維度為1，第三個維度在前兩個維度的基礎上取0和1兩個值的數據，代碼如下：

import tensorflow as tf

a = tf.constant([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
b = tf.slice(a, [0, 1, 0], [1, 1, 2])

sess = tf.Session()
print(sess.run(b))

# 輸出結果為：[[[3 4]]]

其中的[0, 1, 0]表示從第一個維度開始取第0個元素，第二個維度開始取第1個元素，第三個維度開始取第0個元素；[1, 1, 2]表示第一個維度上取1個元素，第二個維度上取1個元素，第三個維度上取2個元素。

2. 示例2

接著我們來看一個稍微複雜一些的例子，假設有一個形狀為[2,2,2]的Tensor b，我們要從其中取出第1和第2個維度全部取出來，第0個維度在前兩個維度的基礎上分別取0和1兩個值，代碼如下：

import tensorflow as tf

b = tf.constant([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
c = tf.slice(b, [0, 0, 0], [2, 2, 2])

sess = tf.Session()
print(sess.run(c))

# 輸出結果為：[[[1 2] [3 4]] [[5 6] [7 8]]]

其中的[0, 0, 0]表示從第一個維度開始取第0個元素，第二個維度開始取第0個元素，第三個維度開始取第0個元素；[2, 2, 2]表示第一個維度上取2個元素，第二個維度上取2個元素，第三個維度上取2個元素。

3. 示例3

最後我們來看一個比較靈活的例子，假設有一個形狀為[2,3,4]的Tensor d，我們只需要取出第2個維度，而且第0個維度上的取值為0，第1個維度上的取值為1，代碼如下：

import tensorflow as tf

d = tf.constant([[[1,  2,  3,  4], [5,  6,  7,  8], [9, 10, 11, 12]],
                 [[13, 14, 15, 16], [17, 18, 19, 20], [21, 22, 23, 24]]])
e = tf.slice(d, [0, 1, 0], [2, 1, 4])

sess = tf.Session()
print(sess.run(e))

# 輸出結果為：[[[ 5  6  7  8]] [[17 18 19 20]]]

其中的[0, 1, 0]表示從第一個維度開始取第0個元素，第二個維度開始取第1個元素，第三個維度開始取第0個元素；[2, 1, 4]表示第一個維度上取2個元素，第二個維度上取1個元素，第三個維度上取4個元素。