pytorch基础知识 切片与索引-上
pytorch基础知识 切片与索引-上
用户6719124
发布于 2019-11-17 23:26:20
发布于 2019-11-17 23:26:20
切片和索引是pytorch中经常使用的操作
为后续讲解方便，这里先介绍CNN的基本图片的概念，一般将图片设定为[batch_size, channel, height, width]的四维矩阵。
这里先随机建立一个矩阵
import torch
a = torch.rand(4, 3, 28, 28)
print(a.size())输出size为：
torch.Size([4, 3, 28, 28])再对第一维进行索引
# 对第一维进行索引
print(a[0].size())torch.Size([3, 28, 28])这里的输出可以认为是第一个图片的三个维度通道的28*28的像素点。
print(a[0, 0].size())torch.Size([28, 28])这里的输出可以认为是第一个图片的第一个维度通道的28*28的像素点。
当具体到某一个像素点时
print(a[0, 0, 2, 3])tensor(0.4736)这里的输出代表第一个图片的第一个维度通道的[2,3]的像素点张量为（0.4736）。
若想取连续的索引，
需要用到:
# 取连续索引
print(a.shape)
print(a[:2].shape)torch.Size([2, 3, 28, 28])
# 这里的：相当于→（箭头），表明batch从第一个到第二个,不写默认写全部同理
print(a[:2, 1:, :, :].shape)
# 1写在：前面，表明从1个通道开始到末尾，,不包括1torch.Size([2, 2, 28, 28])另外
当索引出现-1时，要提到一个知识点
print(a[:2, -1:, :, :].shape)
# 默认索引的顺序为[0, 1, 2]，当倒着写时变为[-3, -2, -1]。由于这里取-1，因此为最后一位。此时输出
torch.Size([2, 1, 28, 28])当想隔点取样输出时
print(a[:, :, 0:28:2, 0:28:2].shape)
# 输出全部batch和channel，对每个高和宽间隔2个点采样torch.Size([4, 3, 14, 14])也可简化为
print(a[:, :, ::2, ::2].shape)同样输出为
torch.Size([4, 3, 14, 14])这里需要注意 当写为[0:28:]则等同于[0:28:1]因此可以认为[start:end:steps]
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2019-10-02，如有侵权请联系 cloudcommunity@tencent.com 删除
本文分享自 python pytorch AI机器学习实践 微信公众号，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体分享计划 ，欢迎热爱写作的你一起参与！
评论
登录后参与评论
推荐阅读