Python TensorFlow跨步_切片不会在整个范围内向后迭代

我有以下测试。我想倒过来，最后一行是第一行，依此类推

    x_val = np.arange(3 * 2 * 3).astype(np.int64).reshape((3, 2, 3))
    print(x_val)
    x = tf.placeholder(tf.float32, x_val.shape, name='input')
    x_ = tf.strided_slice(x, [3], [0], [-1])
    _ = tf.identity(x_, name='output')
    with tf.Session() as sess:
        variables_lib.global_variables_initializer().run()
        output_dict = []
        for out_name in ['output:0']:
            output_dict.append(sess.graph.get_tensor_by_name(out_name))
        expected = sess.run(output_dict, feed_dict={"input:0": x_val})
        print('test_strided_slice1', expected[0].shape, expected[0])

我希望我的输出为：

[
  [
    [12. 13. 14.]
    [15. 16. 17.]
  ]
  [
    [ 6.  7.  8.]
    [ 9. 10. 11.]
  ]
  [
    [ 0  1  2]
    [ 3  4  5]
  ]
]

然而，我得到：

[
  [
    [12. 13. 14.]
    [15. 16. 17.]
  ]
  [
    [ 6.  7.  8.]
    [ 9. 10. 11.]
  ]
]

正如你所看到的，第一排现在应该是最后一排，但却被遗漏了

如果我以0:3:1的比例通过，我会得到所有的行。但如果我倒过来，我就少了一个

不提供“结束”索引会导致测试失败。将“end”设置为-1也会导致输出为空

---

关于如何实现这一点，您有什么建议吗？

在大多数情况下，通过Python索引语法使用它更方便，因此您可以执行以下操作：

x_ = x[::-1]

但是，直接使用它可以做您想要做的事情。为此，需要使用

end\u mask

参数。在该整数值中，如果设置了第i位（从最低有效位开始），则忽略第i维对应的

end

值，并尽可能获取切片。所以你可以做：

x_ = tf.strided_slice(x, [3], [0], [-1], end_mask=1)

注：我已将

begin

中的

4

更改为

3

，因为这是切片开始的实际索引（尽管它也适用于

4

）。如果您只想从末尾到开头提取切片，还可以使用

start\u mask

，其工作原理类似于

end\u mask

：

x_ = tf.strided_slice(x, [0], [0], [-1], start_mask=1, end_mask=1)

一个小例子：

将tensorflow导入为tf
使用tf.Graph（）作为默认值（）：
x=tf.重塑（tf.范围（18），[3,2,3]）
x_uu=tf.跨步_u切片（x、[0]、[0]、-1]，开始_u掩码=1，结束_u掩码=1）
使用tf.Session（）作为sess：
打印（sess.run（x_））

输出：

[[12 13 14]
[15 16 17]]
[[ 6  7  8]
[ 9 10 11]]
[[ 0  1  2]
[ 3  4  5]]]

您可以编辑您的代码吗？我无法复制你的结果。对此我很抱歉。最后一刻的绝望改变。非常感谢。这就是我希望得到的。