我要评论1. 动机
在看yolo v3-spp源码时，看到tensor[..., a: b]的切片方式比较新奇，接下来进行分析：
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. 分析问题
2.1list数组使用[..., 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]]
# 对list数组进行切片
try: # ① list_simple
print(f"...: {list_simple[..., 2:4]}")
except exception as e:
print(f"a_list_simple切片报错，错误为: {e}")
try: # ② list_complex
print(f"...: {list_complex[..., 2:4]}")
except exception as e:
print(f"a_list_complex切片报错，错误为: {e}")
"""
a_list_simple切片报错，错误为: list indices must be integers or slices, not tuple
a_list_complex切片报错，错误为: list indices must be integers or slices, not tuple
"""
很明显，python的基础数据类型list并不支持这样的切片方式。
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")
# 对numpy array进行切片
try: # ① list_simple
print(f"...切片没有报错，结果为: {numpy_simple[..., 2:4]}")
except exception as e:
print(f"numpy_simple切片报错，错误为: {e}")
try: # ② list_complex
print(f"...切片没有报错，结果为: {numpy_complex[..., 2:4]}")
except exception as e:
print(f"numpy_complex切片报错，错误为: {e}")
"""
numpy_simple:
[1 2 3 4 5]
numpy_complex:
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]
-------------------------
...切片没有报错，结果为: [3 4]
...切片没有报错，结果为: [[ 3]
[ 6]
[ 9]
[12]]
"""
说明使用[..., a:b]方式是可以对numpy array进行切片的。
2.3 pytorchtensor使用[..., a:b]方式切片
我们直接创建一个tensor进行分析：
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个维度，a:b表示直接对最后一个维度进行切片
3. 总结
[..., a:b]是array/tensor特有的切片方式，表示直接对最后一个维度进行切片。
到此这篇关于pytorch中tensor[..., 2:4]的实现示例的文章就介绍到这了,更多相关pytorch tensor[..., 2:4]内容请搜索代码网以前的文章或继续浏览下面的相关文章希望大家以后多多支持代码网！
发表评论