像在 numpy 中一样使用 tf.slice 检测越界切片答案

【问题标题】：Detecting out-of-bounds slicing with tf.slice like in numpy像在 numpy 中一样使用 tf.slice 检测越界切片
【发布时间】：2023-03-03 10:11:01
【问题描述】：

在 tensorflow 中，我正在尝试使用 tf.slice，但 as its documentation states，它需要切片以适合输入数组。例如，如果您尝试对张量 [1,2,3,4] 的前 5 个位置进行切片，它将崩溃。我希望拥有与 python 列表或 numpy 数组相同的功能，其中切片可以让您获得原始数组和您要求的切片的交集。例如，如果您要求 [1,2,3,4] 的位置 2 到 6，您将得到 [2,3,4]。

我如何在张量流中做到这一点？

谢谢！

【问题讨论】：

标签： python numpy tensorflow slice

【解决方案1】：

您可以使用 tensorflow 的 python 切片运算符，它比 tf.slice 稍微强大一些，特别是进行一些绑定检查以类似于 numpy。

x = tf.zeros((10,))
y = tf.slice(x, [5], [15])
print(y.shape)
# (15,)
z = x[5:42]
print(z.shape)
# (5,)

【讨论】：

【解决方案2】：

你可以使用tf.clip_by_value:

def robust_slice( t, begin, size, name=None ):
    with tf.name_scope('robust_slice'):
        new_size = tf.clip_by_value(size + begin, clip_value_min = 0, clip_value_max = t.shape()) - begin
        return tf.slice(t, begin, new_size, name)

（未经测试，但类似的东西应该可以完成这项工作）

【讨论】：

我试过了，但如果部分形状未知，它似乎不起作用。