對(duì)于java起手的程序猿剩瓶，python的計(jì)算多維度數(shù)組的方式真的是有點(diǎn)蛋疼。最近看代碼的時(shí)候需要弄明白tf.slice()的具體操作方法含鳞。去看了看官方的注釋和例子還是一頭霧水影锈，就是看不明白這到底是怎么切的。于是搜了幾個(gè)quora的帖子蝉绷，終于搞懂了鸭廷。下面舉3個(gè)例子??解釋一下切割原理。如果你也跟我一樣不太明白的話就接著往下看吧熔吗。解釋不清楚我吃粑粑辆床。(少在我的簡(jiǎn)書(shū)里騙吃騙喝~)

首先看一眼源代碼注釋是怎么說(shuō)的：

This operation extracts a slice of size `size` from a tensor `input` starting at the location specified by `begin`. The slice `size` is represented as tensor shape, where `size[i]` is the number of elements of the 'i'th dimension of `input` that you want to slice. The starting location (`begin`) for the slice is represented as an offset in each dimension of `input`. In other words, `begin[i]` is the offset into the 'i'th dimension of `input` that you want to slice from.

方程的signature是這樣的：

def slice(input_, begin, size, name=None):

其中“input_”是你輸入的tensor，就是被切的那個(gè)桅狠。

“begin”是每一個(gè)維度的起始位置讼载，這個(gè)下面詳細(xì)說(shuō)。

“size”相當(dāng)于問(wèn)每個(gè)維度拿幾個(gè)元素出來(lái)中跌。

下面看例1：

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

tf.slice(t, [1, 0, 0], [1, 1, 3])

這個(gè)輸出是：

[[[3, 3, 3]]]

首先作為一個(gè)3維數(shù)組t咨堤，你要先明白他的shape是[3,2,3].??

Shape:

這個(gè)shape是怎么來(lái)的呢？咱們把這個(gè)t分解一下看就好理解了漩符。那一大堆有括號(hào)的t一喘，只看它最外面的括號(hào)的話，可以看成是：

t = [A, B, C]? ?#這是第一維度

然后每一個(gè)里面有兩個(gè)東西嗜暴，可以寫(xiě)成：

A = [i, j]津滞， B = [k, l]， C = [m, n]? #這是第二維度

最后灼伤，這i, j, k, l, m, n里面分別是：

i = [1, 1, 1],?j = [2, 2, 2],?k = [3, 3 ,3],?l = [4, 4, 4],?m = [5, 5, 5],?n = [6, 6, 6]? # 這是第三維度

所以shape就是中括號(hào) [ ] 的層級(jí)里單位的數(shù)量触徐。

對(duì)于t來(lái)說(shuō)，最外面括號(hào)里有3個(gè)東西狐赡，分別是A, B, C撞鹉。這三個(gè)東西每個(gè)里面有兩個(gè)玩意兒, i和j, k和l, m和n。

他們里面每一個(gè)又有3個(gè)數(shù)字。所以t的shape是[3,2,3]鸟雏。這是我的理解方式享郊。

Slice:

在解釋slice之前，有一點(diǎn)要知道的是python的數(shù)組index是從0開(kāi)始的孝鹊。

有了這個(gè)基礎(chǔ)炊琉，我們?cè)賮?lái)看例子：

tf.slice(t, [1, 0, 0], [1, 1, 3])? # begin =?[1, 0, 0]

這里根據(jù)順序我們知道，begin是[1, 0, 0], size是[1, 1, 3].? 他們兩個(gè)數(shù)組的意義是從左至右又活，每一個(gè)數(shù)字代表一個(gè)維度苔咪。上面說(shuō)了begin的意思是起始位置，那么[1, 0, 0]的意思是在3個(gè)維度中柳骄，每個(gè)維度從哪里算起团赏。

第一維度是[A, B, C]。 begin里[1, 0, 0]是1耐薯，也就是從B算起舔清。其次第二維度里B = [k, l]（注意啊，我這里只寫(xiě)了B = [k, l]曲初，可不代表只有B有用体谒，如果size里第一個(gè)數(shù)字是2的話，B和C都會(huì)被取的）臼婆，begin里第二個(gè)數(shù)是0抒痒，也就是從k算起。第三維度k = [3, 3 ,3]目锭，begin里第三個(gè)數(shù)是0评汰，就是從第一個(gè)3算起。

到現(xiàn)在都能看懂吧痢虹？知道了這三個(gè)起始點(diǎn)之后被去，再來(lái)看size。

size的意思是每個(gè)維度的大小奖唯，也就是每個(gè)維度取幾個(gè)元素惨缆。size的應(yīng)該是最后輸出的tensor的shape。

例子里面：

tf.slice(t, [1, 0, 0], [1, 1, 3])? # size =?[1, 1, 3]

size里第一個(gè)是1丰捷，意思是在第一個(gè)維度取1個(gè)元素坯墨。t = [A, B, C] begin是起算是B，取一個(gè)那就是B了唄病往。那么第一維度結(jié)果就是[B]

size第二個(gè)也是1捣染，第二維度B = [k, l]， begin里起算是k停巷，取一個(gè)是k耍攘。那么第二維度結(jié)果是[[k]]榕栏。

size第三個(gè)是3,第三維度k = [3, 3 ,3]，begin里起算是第一個(gè)3蕾各。三個(gè)3取3個(gè)數(shù)扒磁，那就要把三個(gè)3都取了，所以是

[[[3, 3, 3]]]

看懂了嗎式曲？是不是有點(diǎn)像代數(shù)妨托？[B]里把B換成[k]， 再把k換成[3, 3 ,3]吝羞。最后注意中括號(hào)的數(shù)量兰伤，和size一樣是[1, 1, 3].

例2：

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

tf.slice(t, [1, 0, 0], [1, 2, 3])

看懂了第一個(gè)，再看第二個(gè)就簡(jiǎn)單了脆贵。這里begin還是一樣[1, 0 ,0]医清。 size第一個(gè)維度取一個(gè)起暮，還是[B]卖氨。然后這里不是1了，是2负懦，意思是取兩個(gè)筒捺。還記得B = [k, l]嗎？現(xiàn)在不是只要k了纸厉，是k和l都要系吭。第三維度取3個(gè)，也就是說(shuō)不光是k = [3, 3 ,3]颗品，l = [4, 4, 4]也要slice走肯尺。

總結(jié)一下，第一維度取[B]躯枢。第二維度里把B換成[k, l],就變成了[[k, l]]. 第三維度里把k換成[3, 3 ,3]则吟，把l 換成 [4, 4, 4]，替換后是最終結(jié)果

[[[3, 3, 3], [4, 4, 4]]]

是不是覺(jué)得看懂了也挺簡(jiǎn)單的锄蹂，只是可能不太習(xí)慣這種思維方式氓仲。

例3：

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

tf.slice(t, [1, 0, 0], [-1, -1, -1])

對(duì)于這種情況，源代碼注釋中有一句話：

If `size[i]` is -1, all remaining elements in dimension i are included in the slice. In other words, this is equivalent to setting:?`size[i] = input.dim_size(i) - begin[i]`

也就是說(shuō)得糜，如果size輸入值是-1的話敬扛，在那個(gè)維度剩下的數(shù)都會(huì)slice走。上面的例子中朝抖，begin是[1, 0, 0]啥箭。三個(gè)維度都是-1的話，那么結(jié)果: 第一維度是[B,C]治宣；第二維度是[[k, l], [m, n]]; 第三維度是[[[3,3,3], [4,4,4]], [[5,5,5], [6,6,6]]]

ref:

https://www.tensorflow.org/versions/r1.1/api_docs/python/tf/slice

https://www.quora.com/How-does-tf-slice-work-in-TensorFlow