快捷導(dǎo)航

PyTorch中tensor[..., 2:4]的實(shí)現(xiàn)示例

更新時(shí)間：2025年11月24日 09:39:41 作者：Le0v1n

本文詳細(xì)探討了PyTorch中tensor[..., 2:4]的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

1. 動(dòng)機(jī)

在看YOLO v3-SPP源碼時(shí)，看到tensor[..., a: b]的切片方式比較新奇，接下來(lái)進(jìn)行分析：

        p = p.view(bs, self.na, self.no, self.ny, self.nx).permute(0, 1, 3, 4, 2).contiguous()  # prediction

        if self.training:
            return p

            p = p.view(m, self.no)

            p[:, :2] = (torch.sigmoid(p[:, 0:2]) + grid) * ng  # x, y
            p[:, 2:4] = torch.exp(p[:, 2:4]) * anchor_wh  # width, height
            p[:, 4:] = torch.sigmoid(p[:, 4:])
            p[:, 5:] = p[:, 5:self.no] * p[:, 4:5]
            return p

2. 分析問(wèn)題

2.1list數(shù)組使用[..., a:b]方式切片

list_simple = [1, 2, 3, 4, 5]
list_complex = [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]

# 對(duì)list數(shù)組進(jìn)行切片
try:  # ① list_simple
    print(f"...: {list_simple[..., 2:4]}")
except Exception as e:
    print(f"a_list_simple切片報(bào)錯(cuò)，錯(cuò)誤為: {e}")

try:  # ② list_complex
    print(f"...: {list_complex[..., 2:4]}")
except Exception as e:
    print(f"a_list_complex切片報(bào)錯(cuò)，錯(cuò)誤為: {e}")
    

"""
    a_list_simple切片報(bào)錯(cuò)，錯(cuò)誤為: list indices must be integers or slices, not tuple
    a_list_complex切片報(bào)錯(cuò)，錯(cuò)誤為: list indices must be integers or slices, not tuple

"""

很明顯，Python的基礎(chǔ)數(shù)據(jù)類型list并不支持這樣的切片方式。

2.2 numpyarray使用[..., a:b]方式切片

import numpy as np

numpy_simple = np.array([1, 2, 3, 4, 5])
numpy_complex = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])

print(f"numpy_simple: \n{numpy_simple}")
print(f"numpy_complex: \n{numpy_complex}")

print("\n-------------------------\n")


# 對(duì)numpy array進(jìn)行切片
try:  # ① list_simple
    print(f"...切片沒(méi)有報(bào)錯(cuò)，結(jié)果為: {numpy_simple[..., 2:4]}")
except Exception as e:
    print(f"numpy_simple切片報(bào)錯(cuò)，錯(cuò)誤為: {e}")

try:  # ② list_complex
    print(f"...切片沒(méi)有報(bào)錯(cuò)，結(jié)果為: {numpy_complex[..., 2:4]}")
except Exception as e:
    print(f"numpy_complex切片報(bào)錯(cuò)，錯(cuò)誤為: {e}")
    

"""
numpy_simple: 
[1 2 3 4 5]
numpy_complex: 
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]

-------------------------

...切片沒(méi)有報(bào)錯(cuò)，結(jié)果為: [3 4]
...切片沒(méi)有報(bào)錯(cuò)，結(jié)果為: [[ 3]
                     [ 6]
                     [ 9]
                     [12]]
"""

說(shuō)明使用[..., a:b]方式是可以對(duì)numpy array進(jìn)行切片的。

2.3 PyTorchtensor使用[..., a:b]方式切片

我們直接創(chuàng)建一個(gè)tensor進(jìn)行分析：

import torch

a = torch.rand([3, 112, 112])

print(f"...: {a[..., :2].shape}")  # ...: torch.Size([3, 112, 2])

可以看到[...,a:b]中的...表示前n-1個(gè)維度，a:b表示直接對(duì)最后一個(gè)維度進(jìn)行切片

3. 總結(jié)

[..., a:b]是array/tensor特有的切片方式，表示直接對(duì)最后一個(gè)維度進(jìn)行切片。

到此這篇關(guān)于PyTorch中tensor[..., 2:4]的實(shí)現(xiàn)示例的文章就介紹到這了,更多相關(guān)PyTorch tensor[..., 2:4]內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: