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 tf

sess = 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：