a = torch.rand(4,3,28,28) # 4張圖片，3通道，高度28，寬度28a[0].shape # torch.Size([3, 28, 28]) 表示第0張圖片的shape是3通道，高度28，寬度28a[0,0].shape # torch.Size([28, 28]) 表示第0張圖片第0個通道的shapea[0,0,2,4].shape # tensor(0.5649) 表示第0張圖片第0個通道第2行第4列的值是0.5649a[:2].shape # torch.Size([2, 3, 28, 28]) 表示取第0個和第1個圖片的shape a[:2,:1,:,:].shape # torch.Size([2, 2, 28, 28]) 表示前2個圖片，第1個通道上的shape a[:2,1:,:,:].shape # torch.Size([2, 2, 28, 28]) 表示前2個圖片，第1個通道之后的shape a[:2,-1:,:,:].shape # torch.Size([2, 1, 28, 28]) 表示前2個圖片，第最后1個通道之后的shapea[:,:,0:28:2,0:28:2].shape # torch.Size([4, 3, 14, 14]) 每隔2個數據進行采樣。a.index_select(0,torch.tensor([0,2])).shape # torch.Size([2, 3, 28, 28]) 在第0個維度上進行采集第0個圖片和第2個圖片。 a.index_select(1,torch.tensor([1,2])).shape # torch.Size([4, 2, 28, 28]) 在第1個維度上進行采集第2個通道和第3個通道 a.index_select(2,torch.arange(28)).shape # torch.Size([4, 3, 28, 28]) 在第2個維度上選取所有的行a[...].shape # torch.Size([4, 3, 28, 28])表示獲取所有的維度。 a[0,...].shape # torch.Size([3, 28, 28])

總結

以上是生活随笔為你收集整理的PyTorch教程（三）：索引与切片的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。