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 axes 、 starts 和 ends 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 starts 或 ends 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 starts 或 ends 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_MAX。 axes 、 starts 和 ends 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 float32，float64，int32，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].

PaddlePaddle

paddle / strided_slice

strided_slice¶

PaddlePaddle

paddle

paddle.amp

paddle.callbacks

paddle.compat

paddle.distributed

paddle.distribution

paddle.fluid

paddle.io

paddle.jit

paddle.metric

paddle.nn

paddle.onnx

paddle.optimizer

paddle.regularizer

paddle.static

paddle.sysconfig

paddle.text

paddle.utils

paddle.vision

paddle / strided_slice

strided_slice¶