mindspore.dataset.transforms.Slice

查看源文件
class mindspore.dataset.transforms.Slice(*slices)[源代码]

对输入进行切片。

当前仅支持1-D输入。

参数:
  • slices (Union[int, list[int], slice, Ellipsis]) - 想要切片的片段。

    • 若输入类型为int,将切片指定索引值的元素,支持负索引。

    • 若输入类型为list[int], 将切片所有指定索引值的元素,支持负索引。

    • 若输入类型为 slice ,将根据其指定的起始位置、结束位置和步长进行切片。

    • 若输入类型为 Ellipsis ,即省略符,将切片所有元素。

    • 若输入为None,将切片所有元素。

异常:
  • TypeError - 当 slices 不为Union[int, list[int], slice, Ellipsis]类型。

支持平台:

CPU

样例:

>>> import numpy as np
>>> import mindspore.dataset as ds
>>> import mindspore.dataset.transforms as transforms
>>>
>>> # Use the transform in dataset pipeline mode
>>> # Data before
>>> # |   col   |
>>> # +---------+
>>> # | [1,2,3] |
>>> # +---------|
>>> data = [[1, 2, 3]]
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["col"])
>>> # slice indices 1 and 2 only
>>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms.Slice(slice(1,3)))
>>> for item in numpy_slices_dataset.create_dict_iterator(num_epochs=1, output_numpy=True):
...     print(item["col"].shape, item["col"].dtype)
...     break
(2,) int64
>>> # Data after
>>> # |   col   |
>>> # +---------+
>>> # |  [2,3]  |
>>> # +---------|
>>>
>>> # Use the transform in eager mode
>>> data = np.array([1, 2, 3])
>>> output = transforms.Slice(slice(1, 3))(data)
>>> print(output.shape, output.dtype)
(2,) int64