tf.slice()到底怎么切的,看不懂你掐死我

对于java起手的程序猿,python的计算多维度数组的方式真的是有点蛋疼。最近看代码的时候需要弄明白tf.slice()的具体操作方法。去看了看官方的注释和例子还是一头雾水,就是看不明白这到底是怎么切的。于是搜了几个quora的帖子,终于搞懂了。下面举3个例子🌰解释一下切割原理。如果你也跟我一样不太明白的话就接着往下看吧。解释不清楚我吃粑粑。(少在我的简书里骗吃骗喝~)


首先看一眼源代码注释是怎么说的:

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是这样的:

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

其中“input_”是你输入的tensor,就是被切的那个。

“begin”是每一个维度的起始位置,这个下面详细说。

“size”相当于问每个维度拿几个元素出来。


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])

这个输出是:

[[[3, 3, 3]]]

首先作为一个3维数组t,你要先明白他的shape是[3,2,3].  


Shape:

这个shape是怎么来的呢?咱们把这个t分解一下看就好理解了。那一大堆有括号的t,只看它最外面的括号的话,可以看成是:

t = [A, B, C]   #这是第一维度

然后每一个里面有两个东西,可以写成:

A = [i, j], B = [k, l], C = [m, n]  #这是第二维度

最后,这i, j, k, l, m, n里面分别是:

i = [1, 1, 1], j = [2, 2, 2], k = [3, 3 ,3], l = [4, 4, 4], m = [5, 5, 5], n = [6, 6, 6]  # 这是第三维度

所以shape就是中括号 [ ] 的层级里单位的数量。

对于t来说,最外面括号里有3个东西,分别是A, B, C。这三个东西每个里面有两个玩意儿, i和j, k和l, m和n。

他们里面每一个又有3个数字。所以t的shape是[3,2,3]。这是我的理解方式。


Slice:

在解释slice之前,有一点要知道的是python的数组index是从0开始的。

有了这个基础,我们再来看例子:

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

这里根据顺序我们知道,begin是[1, 0, 0], size是[1, 1, 3].  他们两个数组的意义是从左至右,每一个数字代表一个维度。上面说了begin的意思是起始位置,那么[1, 0, 0]的意思是在3个维度中,每个维度从哪里算起。

第一维度是[A, B, C]。 begin里[1, 0, 0]是1,也就是从B算起。其次第二维度里B = [k, l](注意啊,我这里只写了B = [k, l],可不代表只有B有用,如果size里第一个数字是2的话,B和C都会被取的),begin里第二个数是0,也就是从k算起。第三维度k = [3, 3 ,3],begin里第三个数是0,就是从第一个3算起。

到现在都能看懂吧?知道了这三个起始点之后,再来看size。

size的意思是每个维度的大小,也就是每个维度取几个元素。size的应该是最后输出的tensor的shape。

例子里面:

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

size里第一个是1,意思是在第一个维度取1个元素。t = [A, B, C] begin是起算是B,取一个那就是B了呗。那么第一维度结果就是[B]

size第二个也是1,第二维度B = [k, l], begin里起算是k,取一个是k。那么第二维度结果是[[k]]

size第三个是3,第三维度k = [3, 3 ,3],begin里起算是第一个3。三个3取3个数,那就要把三个3都取了,所以是

[[[3, 3, 3]]]

看懂了吗?是不是有点像代数?[B]里把B换成[k], 再把k换成[3, 3 ,3]。最后注意中括号的数量,和size一样是[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])

看懂了第一个,再看第二个就简单了。这里begin还是一样[1, 0 ,0]。 size第一个维度取一个,还是[B]。然后这里不是1了,是2,意思是取两个。还记得B = [k, l]吗?现在不是只要k了,是k和l都要。第三维度取3个,也就是说不光是k = [3, 3 ,3],l = [4, 4, 4]也要slice走。

总结一下,第一维度取[B]。第二维度里把B换成[k, l],就变成了[[k, l]]. 第三维度里把k换成[3, 3 ,3],把l 换成 [4, 4, 4],替换后是最终结果

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

是不是觉得看懂了也挺简单的,只是可能不太习惯这种思维方式。


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])

对于这种情况,源代码注释中有一句话:

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]`

也就是说,如果size输入值是-1的话,在那个维度剩下的数都会slice走。上面的例子中,begin是[1, 0, 0]。三个维度都是-1的话,那么结果: 第一维度是[B,C];第二维度是[[k, l], [m, n]]; 第三维度是[[[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

推荐阅读更多精彩内容

  • TF API数学计算tf...... :math(1)刚开始先给一个运行实例。tf是基于图(Graph)的计算系统...
    MachineLP阅读 2,513评论 0 1
  • 1. tf函数 tensorflow 封装的工具类函数 | 操作组 | 操作 ||:-------------| ...
    南墙已破阅读 4,158评论 0 5
  • 一 前段时间,在跟银行里的几个中年领导打交道,托他们办点事情。 中间,请他们吃了几次饭。 第一次吃饭时,我带了几瓶...
    吃酒ChiJiu阅读 709评论 1 4
  • 有时候,似乎已经忽略了时间,每天睡觉上班下班睡觉,重复的一成不变的生活渐渐使时间概念变得模糊。 一首不知多久没听的...
    木鱼沐阅读 143评论 0 0
  • 在孤寂的时候, 你总是悄然相伴。 陪我再回味那个激情燃烧的大万! 回味过去, 在那些风景里採摘故事制成茶...
    A都督阅读 97评论 0 0