提问人：Abhijay Ghildyal 提问时间：10/20/2022 最后编辑：Abhijay Ghildyal 更新时间：10/21/2022 访问量：221
张量切片：tensorflow 与 pytorch
Tensor slicing: tensorflow vs pytorch
问：
我正在 TF 和 PyTorch 中测试这个简单的切片操作，它应该在两者中匹配
import tensorflow as tf
import numpy as np
import torch
tf_x = tf.random.uniform((4, 64, 64, 3))
pt_x = torch.Tensor(tf_x.numpy())
pt_x = pt_x.permute(0, 3, 1, 2)
# slicing operation
print(np.any(pt_x[:, :, 1:].permute(0, 2, 3, 1).numpy() - tf_x[:, 1:].numpy()))
# > False
pt_x = torch.Tensor(tf_x.numpy())
b, h, w, c = pt_x.shape
pt_x = pt_x.reshape((b, c, h, w))
print(np.any(pt_x.view(b, h, w, c).numpy() - tf_x.numpy())) # False
print(np.any(pt_x[:, :, 1:].reshape(4, 63, 64, 3).numpy() - tf_x[:, 1:].numpy()))
# > True
最后一行是问题所在。PyTorch 和 TF 都应该导致相同的值，但它们没有。这种差异是在我尝试重塑张量时引起的吗？
答：
1赞
Ivan
10/20/2022
#1
一方面，你有等于 ，使用 np.isclose 来验证：pt_xtf_x
>>> np.isclose(pt_x.view(b, h, w, c).numpy(), tf_x.numpy()).all()
True
另一方面，您以不同的方式切分两个张量：沿 删除第一个元素，同时沿 删除第一个元素。因此，您最终会得到两个具有重叠值的不同元素，例如 和 。pt_x[:, :, 1:]axis=2tf_x[:, 1:]axis=1tf_x[:, 1:][0,-1,-1,-1]pt_x[0,-1,-1,-1]
还要记住，Tensorflow 和 PyTorch 中的张量布局是不同的，前者使用通道后布局，后者使用通道先布局。这两者之间需要的操作是排列（而不是重塑）。
评论
0赞
Abhijay Ghildyal
10/21/2022
谢谢。Permute工作正常。我现在正试图了解“重塑”在引擎盖下是如何工作的。另外，我无法理解你回答的这一部分：“因此，你最终会得到两个具有重叠值的不同元素，例如 tf_x[：， 1：][0，-1，-1，-1] 和 pt_x[0，-1，-1，-1]”。如果可能的话，你能发布一个解释这个概念的链接吗？
评论