python 中的内置函数slice()

slice()函数是一个切片函数，可以作用于list,tuple,numpy等结构，其作用类似于列表中常见的切片操作，但是如果按照某个长度将list等可以用于切片的序列做等分，一般可以用一个循环可以实现。

l =[1,2,3,4,5,6,7,8,9,10]
i = 0
while(i<10):
    print(l[i:i+2])
    i += 2

output：
[1, 2]
[3, 4]
[5, 6]
[7, 8]
[9, 10]

这个过程，可以用slice()函数代替。

fold_size = 2  
for j in range(len(l)//fold_size):
    idx = slice(j*fold_size,(j+1)*fold_size)
    print(l[idx])

slice()函数一共有三个参数：start,end,step。step默认为1。slice()根据start，end，step返回一个slice(0, 2, None)结构，然后应用于列表结构。

这样看，slice()函数的好处并没有特别多的体现，但是它能容易地用于tensor结构，也就是2维甚至更高维度。

import torch
x = torch.rand(10,8)

fold_size = 2
for j in range(0,x.size()[1]//fold_size):
    idx = slice(j * fold_size, (j + 1) * fold_size)  
    print(x[:,idx])  ##切分8维度，切分10维度-> x[idx,:]
    print(x[:,idx].size())

'''
将8这个维度，每份为2进行切分，返回每份大小。
output:
tensor([[0.6415, 0.9648],
        [0.2723, 0.1438],
        [0.5300, 0.8959],
        [0.1583, 0.9972],
        [0.4612, 0.9555],
        [0.9713, 0.9526],
        [0.5785, 0.1008],
        [0.1837, 0.9140],
        [0.6577, 0.1127],
        [0.0530, 0.7081]])
torch.Size([10, 2])
'''

在对于切分tensor结构中，slice()内置函数和tensor中的split()作用类似。

for step,x in enumerate(torch.split(x,2,dim=1)):
    print(x)

'''
x按照第二维度，每块2切分
x同上'''

因为tensor中有split()，但是在numpy等结构中，可以用slice()做切分，下面是numpy结构的一个切分。

import numpy as np
x = [[1,2,3,1],[4,5,6,1],[7,8,9,1],[10,11,12,1]]
x = np.array(x)

fold_size = 2
for j in range(0,x.shape[1]//fold_size):
    idx = slice(j * fold_size, (j + 1) * fold_size)  
    print(x[:,idx])
    print(x[:,idx].shape)