tf.slice()函数详解（极详细）
目录
1.官方注释
2.参数解释
3.例子
参考
tf.slice()是TensorFlow库中分割张量的一个函数，其定义为def slice(input_, begin, size, name=None):。tf.slice()函数的那些参数设置实在是不好理解，查了好多资料才理解，所以这边记录一下。
1.官方注释
官方的注释如下:
"""Extracts a slice from a tensor.
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 a
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.
Note that @{tf.Tensor.__getitem__} is typically a more pythonic way to
perform slices, as it allows you to write foo[3:7, :-2] instead oftf.slice([3, 0], [4, foo.get_shape()[1]-2]).
begin is zero-based; size is one-based. If size[i] is -1,
all remaining elements in dimension i are included in the
- In other words, this is equivalent to setting:
size[i] = input.dim_size(i) - begin[i]
This operation requires that:
`0 <= begin[i] <= begin[i] + size[i] <= Di for i in [0, n]
翻译一下就是：
tf.slice()函数的作用就是从张量中提取想要的切片。此操作从由begin指定位置开始的张量input中提取一个尺寸size的切片.切片size被表示为张量形状,其中size[i]是你想要分割的input的第i维的元素的数量.切片的起始位置(begin)表示为每个input维度的偏移量.换句话说,begin[i]是你想从中分割出来的input的“第i个维度”的偏移量。
请注意,tf.Tensor.__getitem__通常是执行切片的python方式,因为它允许您写foo[3:7, :-2],而不是tf.slice([3, 0], [4, foo.get_shape()[1]-2]).
begin是基于零的；size是一个基础.如果size[i]是-1,则维度i中的所有其余元素都包含在切片中.
换句话说,这相当于设置：
size[i] = input.dim_size(i) - begin[i]
该操作要求：
0 <= begin[i] <= begin[i] + size[i] <= Di for i in [0, n]
看完注释还是挺懵的，下面看看解释。
2.参数解释
def slice(input_, begin, size, name=None):
...
return gen_array_ops._slice(input_, begin, size, name=name)input_
input_类型为一个tensor，表示的是输入的tensor，也就是被切的那个
begin
begin是一个int32或int64类型的tensor，表示的是每一个维度的起始位置
size
size是一个int32或int64类型的tensor，表示的是每个维度要拿的元素数
name=None
name是操作的名称，可写可不写
return
返回一个和输入类型一样的tensor
3.例子
还是通过例子来讲解会比较容易理解
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]) # 输出[[[3, 3, 3]]]
首先作为一个3维数组t，要先明白他的shape是[3,2,3].
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]。
有了这个基础，我们再来看例子：
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]) # begin = [1, 0, 0]
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]
注意一下，python的数组index是从0开始的。
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, -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]]]
例3
import tensorflow as tf
sess = tf.Session()
input = tf.constant([[[[1, 1, 1], [2, 2, 2]],
[[3, 3, 3], [4, 4, 4]],
[[5, 5, 5], [6, 6, 6]]],
[[[1, 1, 1], [2, 2, 2]],
[[3, 3, 3], [4, 4, 4]],
[[5, 5, 5], [6, 6, 6]]]])print(input)
output=tf.slice(input,[0,0,0,1],[2,3,2,1])
print(output)
print(sess.run(output))
参考
[1] tf.slice()到底怎么切的，看不懂你掐死我
[2] TensorFlow分割：tf.slice函数
