轉載自：https://www.jianshu.com/p/71e6ef6c121b
最近看代碼的時候需要弄明白tf.slice()的具體操作方法。去看了看官方的註釋和例子還是一頭霧水，就是看不明白這到底是怎麼切的。於是搜了幾個quora的帖子，終於搞懂了。下面舉3個例子🌰解釋一下切割原理。
首先看一眼源代碼註釋是怎麼說的：
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 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.
方程的signature是這樣的：
def slice(input_, begin, size, name=None):
其中“input_”是你輸入的tensor，就是被切的那個。
“begin”是每一個維度的起始位置，這個下面詳細說。
“size”相當於問每個維度拿幾個元素出來。
下面看例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])
這個輸出是：
[[[3, 3, 3]]]
首先作爲一個3維數組t，你要先明白他的shape是[3,2,3].
Shape:
這個shape是怎麼來的呢？咱們把這個t分解一下看就好理解了。那一大堆有括號的t，只看它最外面的括號的話，可以看成是：
t = [A, B, C] #這是第一維度
然後每一個裏面有兩個東西，可以寫成：
A = [i, j]， B = [k, l]， C = [m, n] #這是第二維度
最後，這i, j, k, l, m, n裏面分別是：
i = [1, 1, 1], j = [2, 2, 2], k = [3, 3 ,3], l = [4, 4, 4], m = [5, 5, 5], n = [6, 6, 6] # 這是第三維度
所以shape就是中括號 [ ] 的層級裏單位的數量。
對於t來說，最外面括號裏有3個東西，分別是A, B, C。這三個東西每個裏面有兩個玩意兒, i和j, k和l, m和n。
他們裏面每一個又有3個數字。所以t的shape是[3,2,3]。這是我的理解方式。
Slice:
在解釋slice之前，有一點要知道的是python的數組index是從0開始的。
有了這個基礎，我們再來看例子：
tf.slice(t, [1, 0, 0], [1, 1, 3]) # begin = [1, 0, 0]
這裏根據順序我們知道，begin是[1, 0, 0], size是[1, 1, 3]. 他們兩個數組的意義是從左至右，每一個數字代表一個維度。上面說了begin的意思是起始位置，那麼[1, 0, 0]的意思是在3個維度中，每個維度從哪裏算起。
第一維度是[A, B, C]。 begin裏[1, 0, 0]是1，也就是從B算起。其次第二維度裏B = [k, l]（注意啊，我這裏只寫了B = [k, l]，可不代表只有B有用，如果size裏第一個數字是2的話，B和C都會被取的），begin裏第二個數是0，也就是從k算起。第三維度k = [3, 3 ,3]，begin裏第三個數是0，就是從第一個3算起。
到現在都能看懂吧？知道了這三個起始點之後，再來看size。
size的意思是每個維度的大小，也就是每個維度取幾個元素。size的應該是最後輸出的tensor的shape。
例子裏面：
tf.slice(t, [1, 0, 0], [1, 1, 3]) # size = [1, 1, 3]
size裏第一個是1，意思是在第一個維度取1個元素。t = [A, B, C] begin是起算是B，取一個那就是B了唄。那麼第一維度結果就是[B]
size第二個也是1，第二維度B = [k, l]， begin裏起算是k，取一個是k。那麼第二維度結果是[[k]]。
size第三個是3,第三維度k = [3, 3 ,3]，begin裏起算是第一個3。三個3取3個數，那就要把三個3都取了，所以是
[[[3, 3, 3]]]
看懂了嗎？是不是有點像代數？[B]裏把B換成[k]， 再把k換成[3, 3 ,3]。最後注意中括號的數量，和size一樣是[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, 2, 3])
看懂了第一個，再看第二個就簡單了。這裏begin還是一樣[1, 0 ,0]。 size第一個維度取一個，還是[B]。然後這裏不是1了，是2，意思是取兩個。還記得B = [k, l]嗎？現在不是隻要k了，是k和l都要。第三維度取3個，也就是說不光是k = [3, 3 ,3]，l = [4, 4, 4]也要slice走。
總結一下，第一維度取[B]。第二維度裏把B換成[k, l],就變成了[[k, l]]. 第三維度裏把k換成[3, 3 ,3]，把l 換成 [4, 4, 4]，替換後是最終結果
[[[3, 3, 3], [4, 4, 4]]]
是不是覺得看懂了也挺簡單的，只是可能不太習慣這種思維方式。
例3：
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])
對於這種情況，源代碼註釋中有一句話：
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]`
也就是說，如果size輸入值是-1的話，在那個維度剩下的數都會slice走。上面的例子中，begin是[1, 0, 0]。三個維度都是-1的話，那麼結果: 第一維度是[B,C]；第二維度是[[k, l], [m, n]]; 第三維度是[[[3,3,3], [4,4,4]], [[5,5,5], [6,6,6]]]
作者：木木愛吃糖醋魚
鏈接：https://www.jianshu.com/p/71e6ef6c121b
來源：簡書
簡書著作權歸作者所有，任何形式的轉載都請聯繫作者獲得授權並註明出處。