如何在 TensorFlow 中对 4 级张量进行切片？答案

【问题标题】：How to slice a rank 4 tensor in TensorFlow?如何在 TensorFlow 中对 4 级张量进行切片？
【发布时间】：2016-05-22 05:42:46
【问题描述】：

我正在尝试使用tf.slice() 运算符对四维张量进行切片，如下所示：

x_image = tf.reshape(x, [-1,28,28,1], name='Images_2D')
slice_im = tf.slice(x_image,[0,2,2],[1, 24, 24])

但是，当我尝试运行此代码时，出现以下异常：

raise ValueError("Shape %s must have rank %d" % (self, rank))

ValueError: Shape TensorShape([Dimension(None), Dimension(28), Dimension(28), Dimension(1)]) must have rank 3

如何切片这个张量？

【问题讨论】：

@mrry 感谢您让问题更准确。

标签： slice tensorflow

【解决方案1】：

tf.slice(input, begin, size) 运算符要求 begin 和 size 向量（定义要切片的子张量）具有与 input 中的维数相同的长度。因此，要对 4-D 张量进行切片，您必须传递一个由四个数字组成的向量（或列表）作为 tf.slice() 的第二个和第三个参数。

例如：

x_image = tf.reshape(x, [-1, 28, 28, 1], name='Images_2D')

slice_im = tf.slice(x_image, [0, 2, 2, 0], [1, 24, 24, 1])

# Or, using the indexing operator:
slice_im = x_image[0:1, 2:26, 2:26, :]

索引运算符稍微强大一些，因为它还可以降低输出的排名，如果为维度指定单个整数而不是范围：

slice_im = x_image[0:1, 2:26, 2:26, :]
print slice_im_2d.get_shape()  # ==> [1, 24, 24, 1]

slice_im_2d = x_image[0, 2:26, 2:26, 0]
print slice_im_2d.get_shape()  # ==> [24, 24]

【讨论】：

有没有办法分割和维护None 维度？换句话说，tf.slice(x_image, [-1, 2, 2, 0], [1, 24, 24, 1])
是的，您可以将 -1 作为 sizes 参数的元素之一传递给 tf.slice()。 TensorFlow 索引运算符最近已升级以支持更多 NumPy 样式的切片定义，因此您可能会发现以这种方式定义切片更容易（例如，它支持“未知”起始位置）。
起始索引还是0不是问题吗？
如果你这样做 tf.slice(x, [0, …], [-1, …]) 这将切片定义为包括 every 行，这与 NumPy 的切片语义不同。索引运算符 (x[0:-1, …]) 的意思是“选择所有行除了最后一行，就像在 NumPy 中一样。