切片

切片 - 13

版本

  • 名称: Slice (GitHub)

  • 域名: main

  • since_version: 13

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本13起可用。

摘要

生成输入张量沿多个轴的切片。类似于numpy： https://numpy.org/doc/stable/user/basics.indexing.html?highlight=slice#slicing-and-striding

Slice 使用 starts, ends, axes 和 steps 输入来选择其输入 data 张量的子张量。

对于每个 i 在 [0, ... r-1] 中，必须计算有效的 starts[i]、ends[i] 和 steps[i]，其中 r = rank(input)，如下所示：

如果省略了axes，它们将被设置为[0, ..., r-1]。 如果省略了steps，它们将被设置为长度为len(starts)的[1, ..., 1]

有效值初始化为 start[i] = 0, ends[i] = dims[i]，其中 dims 是 input 的维度，且 steps[i] = 1。

axes 的所有负元素通过加上 r 变为非负，其中 r =rank(input)。

starts[i] 和 ends[i] 中的所有负值都会加上 dims[axes[i]]， 其中 dims 是 input 的维度。然后 start[axes[i]] 是调整后的 starts[i] 被限制在范围 [0, dims[axes[i]]] 内，用于正向步进， 以及 [0, dims[axes[i]]-1] 用于负向步进。

调整后的ends[i]的钳位取决于steps[i]的符号，并且必须适应复制0到dims[axes[i]]元素，因此对于正步进，ends[axes[i]]被钳位到[0, dims[axes[i]]]，而对于负步进，它被钳位到[-1, dims[axes[i]]-1]。

最后，steps[axes[i]] = steps[i]。

对于切片到未知大小的维度末尾时，建议在向前切片时传入INT_MAX，在向后切片时传入‘INT_MIN’。

示例 1:

data = [
    [1, 2, 3, 4],
    [5, 6, 7, 8],
]
axes = [0, 1]
starts = [1, 0]
ends = [2, 3]
steps = [1, 2]
result = [
    [5, 7],
]

示例 2:

data = [
    [1, 2, 3, 4],
    [5, 6, 7, 8],
]
starts = [0, 1]
ends = [-1, 1000]
result = [
    [2, 3, 4],
]

输入

在3到5个输入之间。

  • data (异构) - T:

    从中提取切片的数据张量。

  • starts (异构) - Tind:

    1-D 张量，表示 axes 中对应轴的起始索引

  • ends (异质的) - Tind:

    1-D 张量，表示 axes 中对应轴的结束索引（不包含）

  • axes（可选，异构） - Tind:

    1-D 张量的轴，starts 和 ends 适用于这些轴。负值表示从后向前计算维度。可接受的范围是 [-r, r-1]，其中 r = rank(data)。如果轴重复，则行为未定义。

  • 步骤 (可选, 异构) - Tind:

    1-D 张量，表示 axes 中对应轴的切片步长。负值表示向后切片。'steps' 不能为 0。默认为 1。

输出

  • 输出 (异构) - T:

    切片数据张量。

类型约束

  • T 在 ( tensor(bfloat16), tensor(bool), tensor(complex128), tensor(complex64), tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(string), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8) ):

    将输入和输出类型限制为所有张量类型。

  • Tind 在 ( tensor(int32), tensor(int64) ) 中:

    将索引限制为整数类型

切片 - 11

版本

  • 名称: Slice (GitHub)

  • 域名: main

  • since_version: 11

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本11起可用。

摘要

生成输入张量沿多个轴的切片。类似于numpy： https://numpy.org/doc/stable/reference/routines.indexing.html 切片使用starts、ends、axes和steps输入来指定每个轴的起始和结束维度以及步长，它使用这些信息来切片输入data张量。如果为任何起始或结束索引传递了负值，则表示该维度结束前的元素数量。如果传递给起始或结束的值大于n（该维度中的元素数量），则表示n。对于切片到未知大小的维度末尾，建议在向前切片时传递INT_MAX，在向后切片时传递'INT_MIN'。 如果为步长传递了负值，则表示向后切片。然而，步长值不能为0。 如果省略axes，则它们被设置为[0, ..., ndim-1]。 如果省略steps，则它们被设置为长度为len(starts)的[1, ..., 1]。 示例1： data = [ [1, 2, 3, 4], [5, 6, 7, 8], ] axes = [0, 1] starts = [1, 0] ends = [2, 3] steps = [1, 2] result = [ [5, 7], ] 示例2： data = [ [1, 2, 3, 4], [5, 6, 7, 8], ] starts = [0, 1] ends = [-1, 1000] result = [ [2, 3, 4], ]

输入

在3到5个输入之间。

  • data (异构) - T:

    从中提取切片的数据张量。

  • starts (异构) - Tind:

    1-D 张量，表示 axes 中对应轴的起始索引

  • ends (异质的) - Tind:

    1-D 张量，表示 axes 中对应轴的结束索引（不包含）

  • axes（可选，异构） - Tind:

    1-D 张量的轴，starts 和 ends 适用于这些轴。负值表示从后向前计算维度。可接受的范围是 [-r, r-1]，其中 r = rank(data)。

  • 步骤 (可选, 异构) - Tind:

    在axes中对应轴的切片步长的1-D张量。负值表示向后切片。'steps'不能为0。默认为1。

输出

  • 输出 (异构) - T:

    切片数据张量。

类型约束

  • T 在 ( tensor(bool), tensor(complex128), tensor(complex64), tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(string), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8) ):

    将输入和输出类型限制为所有张量类型。

  • Tind 在 ( tensor(int32), tensor(int64) ) 中:

    将索引限制为整数类型

切片 - 10

版本

  • 名称: Slice (GitHub)

  • 域名: main

  • since_version: 10

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本10起可用。

摘要

生成输入张量沿多个轴的切片。类似于numpy： https://numpy.org/doc/stable/reference/routines.indexing.html 切片使用starts、ends、axes和steps输入来指定每个轴的开始和结束维度以及步长，它使用这些信息来切片输入data张量。如果为任何开始或结束索引传递了负值，它表示该维度结束前的元素数量。如果传递给开始或结束的值大于n（该维度中的元素数量），它表示n。对于切片到未知大小的维度末尾，建议传入INT_MAX。如果为步长传递了负值，它表示向后切片。如果省略axes，它们将被设置为[0, ..., ndim-1]。如果省略steps，它们将被设置为长度为len(starts)的[1, ..., 1]。 示例1： data = [ [1, 2, 3, 4], [5, 6, 7, 8], ] axes = [0, 1] starts = [1, 0] ends = [2, 3] steps = [1, 2] result = [ [5, 7], ] 示例2： data = [ [1, 2, 3, 4], [5, 6, 7, 8], ] starts = [0, 1] ends = [-1, 1000] result = [ [2, 3, 4], ]

输入

在3到5个输入之间。

  • data (异构) - T:

    从中提取切片的数据张量。

  • starts (异构) - Tind:

    1-D 张量，表示 axes 中对应轴的起始索引

  • ends (异质的) - Tind:

    1-D 张量，表示 axes 中对应轴的结束索引（不包含）

  • axes（可选，异构） - Tind:

    1-D 张量的轴，starts 和 ends 适用于这些轴。

  • 步骤 (可选, 异构) - Tind:

    在axes中对应轴的切片步长的1-D张量。默认为1。

输出

  • 输出 (异构) - T:

    切片数据张量。

类型约束

  • T 在 ( tensor(bool), tensor(complex128), tensor(complex64), tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(string), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8) ):

    将输入和输出类型限制为所有张量类型。

  • Tind 在 ( tensor(int32), tensor(int64) ) 中:

    将索引限制为整数类型

切片 - 1

版本

  • 名称: Slice (GitHub)

  • 域名: main

  • since_version: 1

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本1起可用。

摘要

生成输入张量沿多个轴的切片。类似于numpy： https://numpy.org/doc/stable/reference/routines.indexing.html 切片使用axes、starts和ends属性来指定每个轴的开始和结束维度，它使用这些信息来切片输入data张量。如果为任何开始或结束索引传递了负值，它表示该维度结束前的元素数量。如果传递给开始或结束的值大于n（该维度中的元素数量），它表示n。对于切片到未知大小的维度的末尾，建议传入INT_MAX。如果省略axes，则它们被设置为[0, ..., ndim-1]。 示例1： data = [ [1, 2, 3, 4], [5, 6, 7, 8], ] axes = [0, 1] starts = [1, 0] ends = [2, 3] result = [ [5, 6, 7], ] 示例2： data = [ [1, 2, 3, 4], [5, 6, 7, 8], ] starts = [0, 1] ends = [-1, 1000] result = [ [2, 3, 4], ]

属性

  • axes - INTS :

    应用starts和ends的轴。它是可选的。如果不存在，将被视为[0, 1, …, len(starts) - 1]。

  • ends - INTS（必填）：

    对应轴在`axes`中的结束索引（不包括）

  • starts - INTS（必填）：

    对应轴在 axes 中的起始索引

输入

  • data (异构) - T:

    从中提取切片的数据张量。

输出

  • 输出 (异构) - T:

    切片数据张量。

类型约束

  • T 在 ( tensor(bool), tensor(complex128), tensor(complex64), tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(string), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8) ):

    将输入和输出类型限制为所有张量类型。