mindspore.ops.strided_slice
- mindspore.ops.strided_slice(input_x, begin, end, strides, begin_mask=0, end_mask=0, ellipsis_mask=0, new_axis_mask=0, shrink_axis_mask=0)[源代码]
对输入Tensor根据步长和索引进行切片提取。
该算子在给定的 input_x 中提取大小为 (end-begin)/strides 的片段。根据起始索引、结束索引和步长进行提取,直到所有维度的索引都不小于结束索引为止, 返回提取出的切片。
说明
begin 、 end 和 strides 的shape必须相同。
begin 、 end 和 strides 是一维Tensor,且shape小于或等于 input_x 的维度。
切片时,第i维从索引 begin[i] 开始取到索引 end[i] ,步长为 strides[i]。
例:input_x 是shape为 \((5, 6, 7)\) 的三维Tensor, begin 为(1, 3, 2), end 为(3, 5, 6), strides 为(1, 1, 2)。切片时,第零维从索引1开始取到3,步长为1;第一维从索引3开始取到5,步长为1;第二维从索引2开始取到6,步长为2。相当于Python式切片 input_x[1:3, 3:5, 2:6:2] 。
如果 begin 、 end 和 strides 的长度小于 input_x 的维度, 则缺失的维度默认切取所有的元素, 相当于 begin 用0补足, end 用相应维度的长度补足, strides 用1补足。
例:input_x 是shape为 \((5, 6, 7)\) 的三维Tensor, begin 为(1, 3), end 为(3, 5), strides 为(1, 1)。切片时,第零维从索引1开始取到3,步长为1;第一维从索引3开始取到5,步长为1;第二维从索引0开始取到6,步长为1。相当于Python式切片 input_x[1:3, 3:5, 0:7] 。
mask(掩码)的工作原理:
对于每个特定的mask,内部先将其转化为二进制表示,然后倒序排布后进行计算。比如,对于一个shape为 \((5, 6, 7)\) 的Tensor,mask设置为3,3转化为二进制表示为0b011,倒序后为0b110,则该mask只在第零维和第一维产生作用。下面各自举例说明,为简化表达,后面提到的mask都表示转换为二进制并且倒序后的值。
begin_mask 和 end_mask
如果 begin_mask 的第i位为1,则忽略 begin[i],第i维从索引0开始取;若 end_mask 的第i位为1,则忽略 end[i],结束的位置为可以取到的最大范围。 对于shape为 \((5, 6, 7, 8)\) 的Tensor,若 begin_mask 为0b110,end_mask 为0b011,将得到切片 input_x[0:3, 0:6, 2:7:2] 。
ellipsis_mask
如果 ellipsis_mask 的第i位为1,则将在其他维度之间插入所需的任意数量的未指定维度。 ellipsis_mask 中只允许一个非零位。 对于shape为 \((5, 6, 7, 8)\) 的Tensor, input_x[2:,…,:6] 等同于 input_x[2:5,:,:,0:6] , input_x[2:,…] 等同于 input_x[2:5,:,:,:] 。
new_axis_mask
如果 new_axis_mask 的第i位为1,则在输出的第i维添加新的长度为1的维度,并忽略第i维的 begin 、 end 和 strides 。 对于shape为 \((5, 6, 7)\) 的Tensor,若 new_axis_mask 为0b010,则第二维将新增一维,输出shape为 \((5, 1, 6, 7)\) 的Tensor。
shrink_axis_mask
如果 shrink_axis_mask 的第i位为1,则第i维被收缩掉,忽略 begin[i] 、 end[i] 和 strides[i] 索引处的值。 对于shape为 \((5, 6, 7)\) 的Tensor,若 shrink_axis_mask 为0b010, 则第一维收缩掉,相当于切片 x[:, 5, :] 使得输出shape为 \((5, 7)\) 。
说明
new_axis_mask 和 shrink_axis_mask 不建议同时使用,可能会产生预料之外的结果。
- 参数:
input_x (Tensor) - 需要切片处理的输入Tensor。
begin (tuple[int]) - 指定开始切片的索引。
end (tuple[int]) - 指定结束切片的索引。
strides (tuple[int]) - 指定各维度切片的步长。输入为一个tuple,仅支持int值。strides 的元素必须非零。可能为负值,这会导致反向切片。
begin_mask (int,可选) - 表示切片的起始索引掩码。默认值:
0
。end_mask (int,可选) - 表示切片的结束索引掩码。默认值:
0
。ellipsis_mask (int,可选) - 维度掩码值为1说明不需要进行切片操作。为int型掩码。默认值:
0
。new_axis_mask (int,可选) - 表示切片的新增维度掩码。默认值:
0
。shrink_axis_mask (int,可选) - 表示切片的收缩维度掩码。为int型掩码。默认值:
0
。
- 返回:
返回根据起始索引、结束索引和步长进行提取出的切片Tensor。
- 异常:
TypeError - begin_mask 、 end_mask 、 ellipsis_mask 、 new_axis_mask 或 shrink_axis_mask 不是int。
TypeError - begin 、 end 或 strides 不是数据类型为int的tuple。
ValueError - begin_mask 、 end_mask 、 ellipsis_mask 、 new_axis_mask 或 shrink_axis_mask 小于0。
ValueError - begin 、 end 和 strides 的shape不同。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import mindspore >>> from mindspore import Tensor, ops >>> input_x = Tensor([[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]], ... [[5, 5, 5], [6, 6, 6]]], mindspore.float32) >>> output = ops.strided_slice(input_x, (1, 0, 2), (3, 1, 3), (1, 1, 1)) >>> # Take this " output = strided_slice(input_x, (1, 0, 2), (3, 1, 3), (1, 1, 1)) " as an example, >>> # start = [1, 0, 2] , end = [3, 1, 3], strides = [1, 1, 1], Find a segment of (start, end), >>> # note that end is an open interval >>> # To facilitate understanding, this operator can be divided into three steps: >>> # Step 1: Calculation of the first dimension: >>> # start = 1, end = 3, strides = 1, So can take 1st, 2nd rows, and then gets the final output at this time. >>> # output_1th = >>> # [ >>> # [ >>> # [3,3,3] >>> # [4,4,4] >>> # ] >>> # [ >>> # [5,5,5] >>> # [6,6,6] >>> # ] >>> # ] >>> # Step 2: Calculation of the second dimension >>> # 2nd dimension, start = 0, end = 1, strides = 1. So only 0th rows >>> # can be taken, and the output at this time. >>> # output_2nd = >>> # [ >>> # [ >>> # [3,3,3] >>> # ] >>> # [ >>> # [5,5,5] >>> # ] >>> # ] >>> # Step 3: Calculation of the third dimension >>> # 3nd dimension,start = 2, end = 3, strides = 1, So can take 2th cols, >>> # and you get the final output at this time. >>> # output_3ed = >>> # [ >>> # [ >>> # [3] >>> # ] >>> # [ >>> # [5] >>> # ] >>> # ] >>> # The final output after finishing is: >>> print(output) [[[3.]] [[5.]]] >>> # another example like : >>> output = strided_slice(input_x, (1, 0, 0), (2, 1, 3), (1, 1, 1)) >>> print(output) [[[3. 3. 3.]]]