PaddlePaddle

 paddle / strided_slice


strided_slice

paddle. strided_slice ( x, axes, starts, ends, strides, name ) [源代码]

strided_slice算子。

该OP沿多个轴生成 x 的切片,与numpy类似: https://docs.scipy.org/doc/numpy/reference/arrays.indexing.html。该OP使用 axesstartsends 属性来指定轴列表中每个轴的起点和终点位置,并使用此信息来对 x 切片。如果向 startsends 传递负值如 \(-i\),则表示该轴的反向第 \(i-1\) 个位置(这里以0为初始位置), strides 表示切片的步长, strides 如果为负数,则按照反方向进行切片。如果传递给 startsends 的值大于n(维度中的元素数目),则表示n。当切片一个未知数量的维度时,建议传入 INT_MAXaxesstartsends 以及 strides 四个参数的元素数目必须相等。以下示例将解释切片如何工作:

示例1:
        给定:
             data=[[1,2,3,4],[5,6,7,8],]
             axes=[0,1]
             starts=[1,0]
             ends=[2,3]
             strides=[1,1]

        则:
             result=[[5,6,7],]
示例2:
        给定:
             data=[[1,2,3,4],[5,6,7,8],]
             axes=[0,1]
             starts=[1,3]
             ends=[2,0]
             strides=[1,-1]

        则:
             result=[[8,7,6],]
示例3:
        给定:
             data=[[1,2,3,4],[5,6,7,8],]
             axes=[0,1]
             starts=[0,1]
             ends=[-1,1000]    # 此处-1表示第0维的反向第0个位置,索引值是1。
             strides =[1,3]
        则:
             result=[[2],]

参数:

  • x (Tensor)- 多维 Tensor,数据类型为 float32float64int32,或 int64

  • axes (list|tuple)- 数据类型是 int32。表示进行切片的轴。

  • starts (list|tuple|Tensor)- 数据类型是 int32。如果 starts 的类型是 list 或 tuple,它的元素可以是整数或者形状为[1]的 Tensor。如果 starts 的类型是 Tensor,则是1-D Tensor。表示在各个轴上切片的起始索引值。

  • ends (list|tuple|Tensor)- 数据类型是 int32。如果 ends 的类型是 list 或 tuple,它的元素可以是整数或者形状为[1]的 Tensor。如果 ends 的类型是 Tensor,则是1-D Tensor。表示在各个轴上切片的结束索引值。

  • strides (list|tuple|Tensor)- 数据类型是 int32。如果 strides 的类型是 list 或 tuple,它的元素可以是整数或者形状为[1]的 Tensor。如果 strides 的类型是 Tensor,则是1-D Tensor。表示在各个轴上切片的步长。

  • name (str,可选)- 具体用法请参见 Name ,一般无需设置,默认值为None。

返回:多维 Tensor,数据类型与 x 相同。

代码示例:

import paddle

x = paddle.zeros(shape=[3,4,5,6], dtype="float32")
# example 1:
# attr starts is a list which doesn't contain tensor Tensor.
axes = [1, 2, 3]
starts = [-3, 0, 2]
ends = [3, 2, 4]
strides_1 = [1, 1, 1]
strides_2 = [1, 1, 2]
sliced_1 = paddle.strided_slice(x, axes=axes, starts=starts, ends=ends, strides=strides_1)
# sliced_1 is x[:, 1:3:1, 0:2:1, 2:4:1].
# example 2:
# attr starts is a list which contain tensor Tensor.
minus_3 = paddle.full(shape=[1], fill_value=-3, dtype='int32')
sliced_2 = paddle.strided_slice(x, axes=axes, starts=[minus_3, 0, 2], ends=ends, strides=strides_2)
# sliced_2 is x[:, 1:3:1, 0:2:1, 2:4:2].

此页内容是否对您有帮助