pytorch 切片(上)

slice.jpeg

切片的英文是 slice，是将整体进行切分，成为切片之后我们就可以从中任意取数据。使用 slice 技术我们可以多维度空间内随意获取想要的数据块。今天我们来看一看如何通过 pytorch 提供 api 来对数据进行自由获取数据。

a = torch.rand(4,3,28,28)

使用 torch 随机生产一个数据，模拟图片数据集 4 张图片，3 表示通道数据，在图片数据集最后两个维度通常是图片宽度和高度。怎么理解高纬度数据结构，通常将最后两个维度看成一个平面，然后倒数 3 维度形成一个立方体，最后 4 维度可以理解为多个立方体罗列而得到。如何在多出一个维度就可以将其后面维度看成一个整理，这个维度就是装载这些集合容器。

container.jpeg

a[0,0].shape

输出torch.Size([28, 28]) 表示图片大小是，如何理解这次查找，0 表示第一张图片，第二个 0 表示 1 通道，所得就得到第 1 张图片的第 1 个通道的数据。

a[0,0,2,4]

表示第 1 张图片第 1 通道的 2 列 4 行处像素值。

tensor(0.3626)

a[:2].shape

这里拿的前两张图片数据数据，这里冒号表示取值范围，在此例冒号前省略表示从 0 开始到1 结束，在计算机中通常是左闭右开表示一个区间。所以0 和 1 两张图片的数据集，没有限制范围表示全部都取

torch.Size([2, 3, 28, 28])

a[:2,:1].shape

这里在上面基础对通道也进行限制，仅取第 1 通道，这里:1表示取 0 通道这个应该不难理解

torch.Size([2, 1, 28, 28])

如果在某一个维度上使用冒号，而且冒号两边不给任何值表示没有任何限制，这种情也可以省略不写。

a[:2,1:,:,:].shape

这里在第 2 维度使用 -1 作为起始值，在数值前面加符号表示从后面计算位数向前1 位

a[:2,-1:,:,:].shape

torch.Size([2, 1, 28, 28])

这里重点说一下，0:28:2表示从 0 取到 28 然后紧接着冒号后的 2 表示步进就是 2 作为步进进行取值。

a[:,:,0:28:2,0:28:2].shape

torch.Size([4, 3, 14, 14])