TensorFlow2-基础（四）：Tensor的索引、切片

落日映苍穹つ 2023-09-29 10:34 5阅读 0赞

## 一、按照顺序采样 ##

### 1、Basic indexing: \[idx\]\[idx\]\[idx\] ###

只能取一个元素

a = tf.ones([1,5,5,3])
    a[0][0]
    a[0][0][0]
    a[0][0][0][2]

### 2、Same with Numpy: \[idx, idx,…\] ###

a = tf.random.normal([4,28,28,3])
    a[1].shape
    a[1,2].shape
    a[1,2,3].shape
    a[1,2,3,2].shape

### 3、start: end 表示从A到B取值，包含A不包含B. \[A:B) ###

a = tf.range(10)
    a[-1:]
    a[-2:]
    a[:2]
    a[:-1]

### 4、start: end: step ###

a.shape \#TensorShape(\[4,28,28,3\])  
a\[0:2, :, :, :\].shape \#TensorShape(\[2,28,28,3\])  
a\[:, 0:28:2, 0:28,2, :\].shape \#TensorShape(\[4,14,14,3\])  
a\[:,:14,:14,:\] \#TensorShape(\[4,14,14,3\])  
a\[:,14:,14:,:\].shape \#TensorShape(\[4,14,14,3\])  
a\[:,::2,::2,:\].shape \#TensorShape(\[4,14,14,3\])

### 5、::-1 可以实现倒序的功能 ###

a = tf.range(4)     #[0,1,2,3]
    a[::-1]             #[3,2,1,0]
    a[::-2]             #[3,1]
    a[2::-2]            #[2,0]

### 6、索引方式-案例 ###

a = tf.random.normal([2,4,28,28,3])
    a[0].shape       #[4,28,28,3]
    a[0,:,:,:,:].shape     #[4,28,28,3]
    a[0,...].shape         #[4,28,28,3]
    a[:,:,:,:,0].shape     #[2,4,28,28]
    a[...,0].shape         #[2,4,28,28]
    a[0,...,2].shape       #[4,28,28]
    a[1,0,...,0].shape     #[28,28]

## 二、任意采样 ##

### 1、tf.gather ###

data: \[classes, students, subjects\]  
eg: \[4, 35, 8\]

tf.gather(a, axis=0, indices=[2,3]).shape    #[2,35,8]
    a[2:4].shape    #[2,35,8]
    tf.gather(a, axis=0, indices=[2,1,4,0]).shape      #[4,35,8]
    tf.gather(a, axis=1, indices=[2,3,7,9,16]).shape   #[4,5,8]
    tf.gather(a, axis=2, indices=[2,3,7]).shape        #[4,35,3]

### 2、tf.gather\_nd ###

eg:采样某些学生的某些成绩，如何实现这个功能？可以通过串型两个tf.gather实现  
eg:如何实现\[class1\_student1, class2\_student2, class3\_student3, class4\_student4\]? —> \[4,8\]

a.shape    #[4,35,8]
    tf.gather_nd(a, [0])  #[35,8]
    tf.gather_nd(a, [0,1])  #[8]  取0号班级1号学生的成绩
    tf.gather_nd(a, [0,1,2])  #[] 取0号班级1号学生第2科的成绩
    tf.gather_nd(a, [[0,1,2]])  #[1]  返回一个成绩，为一个数组

a.shape   #[4,35,8]
    tf.gather_nd(a, [[0,0],[1,1]]).shape  #[2,8]
    tf.gather_nd(a, [[0,0],[1,1],[2,2]]).shape   #[3,8]
    tf.gather_nd(a, [[0,0,0],[1,1,1],[2,2,2]]).shape  #[3]
    tf.gather_nd(a, [[[0,0,0],[1,1,1],[2,2,2]]]).shape  #[1,3]

### 3、tf.boolean\_mask ###

a.shape   #[4,28,28,3]
    tf.boolean_mask(a, mask=[True, True, False, False]).shape   #[2, 28, 28, 3]
    tf.boolean_mask(a, mask=[True, True, False], axis=3).shape  #[4, 28, 28, 2]
    
    a=tf.ones([2,3,4])
    tf.boolean_mask(a, mask=[[True, False, False],[False, True, True]])        # array([[1.,1.,1.,1.],[1.,1.,1.,1.],[1.,1.,1.,1.]])

--------------------

参考资料：  
[TensorFlow学习笔记3(Tensor的索引与切片)][TensorFlow_3_Tensor]  
[TensorFlow索引与切片的实现方法][TensorFlow]  
[TensorFlow基础（6.索引和切片）][TensorFlow_6.]  
[TensorFlow——索引与切片操作][TensorFlow 1]

[TensorFlow_3_Tensor]: https://www.cnblogs.com/stdforml/p/14840328.html
[TensorFlow]: https://www.mianshigee.com/note/detail/40613hmx/
[TensorFlow_6.]: https://zhuanlan.zhihu.com/p/377404083
[TensorFlow 1]: https://blog.csdn.net/johnny_love_1968/article/details/117782571