标签：constant tps slice run name net int div 说明
转载自：https://blog.csdn.net/chenxieyy/article/details/53031943
tf.slice(inputs,begin,size,name=‘‘) 从inputs中抽取部分内容
inputs：可以是list,array,tensor
begin：n维列表，begin[i] 表示从inputs中第i维抽取数据时，相对0的起始偏移量，也就是从第i维的begin[i]开始抽取数据
size：n维列表，size[i]表示要抽取的第i维元素的数目
有几个关系式如下:
（1） i in [0,n]
（2）tf.shape(inputs)[0]=len(begin)=len(size)
（3）begin[i]>=0 抽取第i维元素的起始位置要大于等于0
（4）begin[i]+size[i]<=tf.shape(inputs)[i]
import tensorflow as tf import numpy as np x=[[1,2,3],[4,5,6]] y=np.arange(24).reshape([2,3,4]) z=tf.constant([[[1,2,3],[4,5,6]], [[7,8,9],[10,11,12]], [[13,14,15],[16,17,18]]] sess=tf.Session() begin_x=[1,0] #第一个1，决定了从x的第二行[4,5,6]开始，第二个0，决定了从[4,5,6] 中的4开始抽取 size_x=[1,2] # 第一个1决定了，从第二行以起始位置抽取1行，也就是只抽取[4,5,6] 这一行，在这一行中从4开始抽取2个元素 out=tf.slice(x,begin_x,size_x) print sess.run(out) # 结果:[[4 5]] begin_y=[1,0,0] size_y=[1,2,3] out=tf.slice(y,begin_y,size_y) print sess.run(out) # 结果:[[[12 13 14] [16 17 18]]] begin_z=[0,1,1] size_z=[-1,1,2] out=tf.slice(z,begin_z,size_z) print sess.run(out) # size[i]=-1 表示第i维从begin[i]剩余的元素都要被抽取，结果：[[[ 5 6]] [[11 12]] [[17 18]]]
In [48]: out=tf.slice(z,[0,1,1],[1,1,2]) In [49]: sess.run(out) Out[49]: array([[[5, 6]]], dtype=int32) In [50]: out=tf.slice(z,[0,1,1],[2,1,2]) In [51]: sess.run(out) Out[51]: array([[[ 5, 6]],[[11, 12]]], dtype=int32)
标签：constant tps slice run name net int div 说明
原文地址：https://www.cnblogs.com/helloworld0604/p/9064187.html
