如何在TensorFlow.js中对4D张量进行切片操作？

针对你形状为[1,28,28,32]的张量（格式为[batch, height, width, channels]），以下是两种主流框架下提取单个特征图的方法：

TensorFlow/Keras #

假设你的张量名为conv_output：

• 获取形状为[1,28,28,1]的单个特征图：
  直接通过切片保留batch和单通道维度，比如提取第n个特征图（n取值0到31）：

  single_feature_map_4d = conv_output[:, :, :, n:n+1]
  

• 获取形状为[28,28]的单个特征图：
  去掉batch维度和通道维度的单元素索引：

  single_feature_map_2d = conv_output[0, :, :, n]
  

PyTorch #

如果你的张量是[1,28,28,32]格式（NHWC），操作逻辑和TensorFlow一致：

• 获取形状为[1,28,28,1]的单个特征图：

  single_feature_map_4d = conv_output[:, :, :, n:n+1]
  

• 获取形状为[28,28]的单个特征图：

  single_feature_map_2d = conv_output[0, :, :, n]
  

如果你的PyTorch张量是默认的[batch, channels, height, width]格式（即[1,32,28,28]），则调整索引方式：

• 获取形状为[1,1,28,28]的单个特征图（对应你要的[1,28,28,1]，可通过permute转格式）：

  single_feature_map_4d = conv_output[:, n:n+1, :, :]
  # 转成NHWC格式：[1,28,28,1]
  single_feature_map_4d_nhwc = single_feature_map_4d.permute(0, 2, 3, 1)
  

• 获取形状为[28,28]的单个特征图：

  single_feature_map_2d = conv_output[0, n, :, :]
  

内容的提问来源于stack exchange，提问作者program1232123