📜  如何在 Pytorch 中切片 3D 张量?

📅  最后修改于: 2022-05-13 01:54:36.609000             🧑  作者: Mango

如何在 Pytorch 中切片 3D 张量?

在本文中,我们将讨论如何在 Pytorch 中对 3D 张量进行切片。

让我们创建一个 3D Tensor 进行演示。我们可以使用 torch.tensor()函数创建一个向量

代码:

Python3
# import torch module
import torch
  
# create an 3 D tensor with 8 elements each
a = torch.tensor([[[1, 2, 3, 4, 5, 6, 7, 8],
                   [10, 11, 12, 13, 14, 15, 16, 17]],
                    
                  [[71, 72, 73, 74, 75, 76, 77, 78],
                   [81, 82, 83, 84, 85, 86, 87, 88]]])
  
# display actual  tensor
print(a)


Python3
# access  all the tensors of 1 
# dimension and get only 7 values 
# in that dimension
print(a[0:1, 0:1, :7])


Python3
# access  all the tensors of all
# dimensions and get only 3 values 
# in each dimension
print(a[0:1, 0:2, :3])


Python3
# access 8 elements in 1 dimension
# on all tensors
print(a[0:2, 1, 0:8])


输出:

tensor([[[ 1,  2,  3,  4,  5,  6,  7,  8],
        [10, 11, 12, 13, 14, 15, 16, 17]],
       [[71, 72, 73, 74, 75, 76, 77, 78],
        [81, 82, 83, 84, 85, 86, 87, 88]]])

切片 3D 张量

切片:切片是指使用“:”切片运算符选择张量中存在的元素。我们可以使用该特定元素的索引对元素进行切片。

注意:索引从 0 开始

示例 1: Python代码访问 1 维的所有张量并仅获得该维的 7 个值

蟒蛇3

# access  all the tensors of 1 
# dimension and get only 7 values 
# in that dimension
print(a[0:1, 0:1, :7])

输出:



tensor([[[1, 2, 3, 4, 5, 6, 7]]])

示例2: Python代码访问所有维度的所有张量,每个维度只获取3个值

蟒蛇3

# access  all the tensors of all
# dimensions and get only 3 values 
# in each dimension
print(a[0:1, 0:2, :3])

输出:

tensor([[[ 1,  2,  3],
        [10, 11, 12]]])

示例 3:在所有张量上访问 1 维中的 8 个元素

蟒蛇3

# access 8 elements in 1 dimension
# on all tensors
print(a[0:2, 1, 0:8])

输出:

tensor([[10, 11, 12, 13, 14, 15, 16, 17],
       [81, 82, 83, 84, 85, 86, 87, 88]])