slice¶

paddle.sparse.slice(x, axis, starts, ends, name=None):

沿多个轴生成 x 的切片。使用 axes 、 starts 和 ends 属性来指定轴列表中每个轴的起点和终点位置，并使用此信息来对 x 切片。如果向 starts 或 ends 传递负值如 \(-i\)，则表示该轴的反向第 \(i-1\) 个位置（这里以 0 为初始位置）。如果传递给 starts 或 end 的值大于 n (维度中的元素数目)，则表示 n。当切片一个未知数量的维度时，建议传入 INT_MAX。 axes 、 starts 和 ends 三个参数的元素数目必须相等。

以下示例将解释切片如何工作 (此处只介绍 Slice 的概念, 故不区分稀疏和稠密 Tensor):

         示例 1:
        给定：
             data=[[1,2,3,4],[5,6,7,8],]
             axes=[0,1]
             starts=[1,0]
             ends=[2,3]
        则：
             result=[[5,6,7],]

示例 2:
        给定：
             data=[[1,2,3,4],[5,6,7,8],]
             starts=[0,1]
             ends=[-1,1000]    # 此处-1 表示第 0 维的反向第 0 个位置，索引值是 1。
        则：
             result=[[2,3,4],] # 即 data[0:1, 1:4]

        

参数¶

x (Tensor) - 输入的多维 Tensor，数据类型为 bool、float16、float32、float64、int32 或 int64。

axis (list|tuple|Tensor) - 数据类型是 int32。如果 axes 的类型是 list 或 tuple, 它的元素可以是整数或者形状为[1]的 Tensor。如果 axes 的类型是 Tensor，则是 1-D Tensor。表示进行切片的轴。

starts (list|tuple|Tensor) - 数据类型是 int32。如果 starts 的类型是 list 或 tuple, 它的元素可以是整数或者形状为[1]的 Tensor。如果 starts 的类型是 Tensor，则是 1-D Tensor。表示在各个轴上切片的起始索引值。

ends (list|tuple|Tensor) - 数据类型是 int32。如果 ends 的类型是 list 或 tuple, 它的元素可以是整数或者形状为[1]的 Tensor。如果 ends 的类型是 Tensor，则是 1-D Tensor。表示在各个轴上切片的结束索引值。

返回¶

多维 Tensor，数据类型与 x 相同。

代码示例¶

          >>> import paddle
>>> import numpy as np

>>> format = 'coo'
>>> np_x = np.asarray([[4, 0, 7, 0], [0, 0, 5, 0], [-4, 2, 0, 0]])
>>> dense_x = paddle.to_tensor(np_x)
>>> if format == 'coo':
...     sp_x = dense_x.to_sparse_coo(len(np_x.shape))
>>> else:
...     sp_x = dense_x.to_sparse_csr()
...
>>> axes = [0, 1]
>>> starts = [1, 0]
>>> ends = [3, -2]
>>> sp_out = paddle.sparse.slice(sp_x, axes, starts, ends)
>>> # sp_out is x[1:3, 0:-2]

>>> print(sp_out)
Tensor(shape=[2, 2], dtype=paddle.int64, place=Place(cpu), stop_gradient=True,
       indices=[[1, 1],
                [0, 1]],
       values=[-4,  2])

         