Tensorflow:使用tf.slice分割输入

Question

我正在尝试将输入图层拆分为不同大小的部分.我正在尝试使用tf.slice这样做,但它不起作用.

一些示例代码:

import tensorflow as tf
import numpy as np

ph = tf.placeholder(shape=[None,3], dtype=tf.int32)

x = tf.slice(ph, [0, 0], [3, 2])

input_ = np.array([[1,2,3],
                   [3,4,5],
                   [5,6,7]])

with tf.Session() as sess:
        sess.run(tf.initialize_all_variables())
        print sess.run(x, feed_dict={ph: input_})

输出:

[[1 2]
 [3 4]
 [5 6]]

这是有效的,大致是我想要发生的,但我必须指定第一个维度(3在这种情况下).我不知道,虽然多少矢量我会输入,这就是为什么我使用的是placeholder与None摆在首位!

是否有可能以slice这样一种方式使用它,直到运行时尺寸未知？

我尝试过使用placeholder它的价值,ph.get_shape()[0]如下所示:x = tf.slice(ph, [0, 0], [num_input, 2]).但那也不起作用.

Answer 1

您可以在size参数中指定一个负维度tf.slice.负维度告诉Tensorflow根据其他维度决定动态确定正确的值.

import tensorflow as tf
import numpy as np

ph = tf.placeholder(shape=[None,3], dtype=tf.int32)

# look the -1 in the first position
x = tf.slice(ph, [0, 0], [-1, 2])

input_ = np.array([[1,2,3],
                   [3,4,5],
                   [5,6,7]])

with tf.Session() as sess:
        sess.run(tf.initialize_all_variables())
        print(sess.run(x, feed_dict={ph: input_}))

Answer 2

对我来说，我尝试了另一个例子来让我理解切片功能

input = [
    [[11, 12, 13], [14, 15, 16]],
    [[21, 22, 23], [24, 25, 26]],
    [[31, 32, 33], [34, 35, 36]],
    [[41, 42, 43], [44, 45, 46]],
    [[51, 52, 53], [54, 55, 56]],
    ]
s1 = tf.slice(input, [1, 0, 0], [1, 1, 3])
s2 = tf.slice(input, [2, 0, 0], [3, 1, 2])
s3 = tf.slice(input, [0, 0, 1], [4, 1, 1])
s4 = tf.slice(input, [0, 0, 1], [1, 0, 1])
s5 = tf.slice(input, [2, 0, 2], [-1, -1, -1]) # negative value means the function cutting tersors automatically
tf.global_variables_initializer()
with tf.Session() as s:
    print s.run(s1)
    print s.run(s2)
    print s.run(s3)
    print s.run(s4)

它输出：

[[[21 22 23]]]

[[[31 32]]
 [[41 42]]
 [[51 52]]]

[[[12]]
 [[22]]
 [[32]]
 [[42]]]

[]

[[[33]
  [36]]
 [[43]
  [46]]
 [[53]
  [56]]]

参数 begin 指示您要开始剪切的元素。size 参数表示该维度上需要多少个元素。