03 tensorflow 索引和切片

索引和切片比较简单，但却十分有用。
弄清楚：负索引，步长，反序，"…" 。

索引：

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

输出：

(28, 28, 3)
(28, 3)
(3,)
()

列表：

单维
a = tf.range(10)
print(a)
print(a[0:5])  # 单维度
print(a[3:-2])  # 负索引
print(a[0:9:2])  # 步长
print(a[::-1])  # 负步长，列表反序

输出：

tf.Tensor([0 1 2 3 4 5 6 7 8 9], shape=(10,), dtype=int32)
tf.Tensor([0 1 2 3 4], shape=(5,), dtype=int32)
tf.Tensor([3 4 5 6 7], shape=(5,), dtype=int32)
tf.Tensor([0 2 4 6 8], shape=(5,), dtype=int32)
tf.Tensor([9 8 7 6 5 4 3 2 1 0], shape=(10,), dtype=int32)

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

输出：

tf.Tensor(
[[[[ 0.17316733  1.496396    0.6729369 ]]]
 [[[-1.2202525  -0.3381324   2.280646  ]]]], shape=(2, 1, 1, 3), dtype=float32)
(28, 28, 3)
(28, 28, 3)

Process finished with exit code 0