通过索引与切片操作可以提取张量的部分数据，使用频率非常高。
文章目录
- 一、索引
- 二、切片
一、索引
TensorFlow 中，支持基本的[𝑖][𝑗] …标准索引方式，也支持通过逗号分隔索引号的索
引方式。
考虑输入X 为4 张32x32 大小的彩色图片(为了方便演示，大部分张量都使用随
即分布模拟产生，后文同)，shape 为[4,32,32,3]，首先创建张量：
x = tf.random.normal([4,32,32,3])
#取第 1 张图片的数据：
x[0]
# 取第1张图片的第2行
x[0][1]
# 取第1张图片，第2行，第3列的像素
x[0][1][2]
# 取第 3 张图片，第2 行，第1 列的像素，B 通道(第2 个通道)颜色强度值
x[2][1][0][1]当张量的维度数较高时，使用[𝑖][𝑗]. . . [𝑘]的方式书写不方便，可以采用[𝑖, 𝑗, … , 𝑘]的方
式索引，它们是等价的。
取第 2 张图片，第10 行，第3 列：
x[1,9,2]二、切片
通过𝑠𝑡𝑎𝑟𝑡: 𝑒𝑛𝑑: 𝑠𝑡𝑒𝑝切片方式可以方便地提取一段数据，其中start 为开始读取位置的
索引，end 为结束读取位置的索引(不包含end 位)，step 为读取步长。
start: end: step切片方式有很多简写方式，其中start、end、step 3 个参数可以根据需要
选择性地省略，全部省略时即::，表示从最开始读取到最末尾，步长为1，即不跳过任何元
素。
如x[0,::]表示读取第1 张图片的所有行，其中::表示在行维度上读取所有行，它等于
x[0]的写法
特别地，step 可以为负数，考虑最特殊的一种例子，step = −1时，start: end: −1表示
从start 开始，逆序读取至end 结束(不包含end)，索引号𝑒𝑛𝑑 ≤ 𝑠𝑡𝑎𝑟𝑡为了避免出现像𝑥[: , : , : ,1]这样出现过多冒号的情况，可以使用⋯符号表示取多个维度
上所有的数据，其中维度的数量需根据规则自动推断：当切片方式出现⋯符号时，⋯符号
左边的维度将自动对齐到最左边，⋯符号右边的维度将自动对齐到最右边，此时系统再自
动推断⋯符号代表的维度数量，
