def slice(input_, begin, size, name=None):
- 其中“input_”是你输入的tensor，就是被切的那个。
- “begin”是每一个维度的起始位置，这个下面详细说。
- “size”相当于问每个维度拿几个元素出来【1】。
下面看例1：
t = tf.constant([[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]], [[5, 5, 5], [6, 6, 6]]])
tf.slice(t, [1, 0, 0], [1, 1, 3])
这个输出是：
[[[3, 3, 3]]]
首先作为一个3维数组t，你要先明白他的shape是[3,2,3].
解析:
这个shape是怎么来的呢？咱们把这个t分解一下看就好理解了。那一大堆有括号的t，只看它最外面的括号的话，可以看成是：
t = [A, B, C] #这是第一维度
然后每一个里面有两个东西，可以写成：
A = [i, j]， B = [k, l]， C = [m, n] #这是第二维度
最后，这i, j, k, l, m, n里面分别是：
i = [1, 1, 1], j = [2, 2, 2], k = [3, 3 ,3], l = [4, 4, 4], m = [5, 5, 5], n = [6, 6, 6] # 这是第三维度
所以shape就是中括号 [ ] 的层级里单位的数量。
对于t来说，最外面括号里有3个东西，分别是A, B, C。这三个东西每个里面有两个玩意儿, i和j, k和l, m和n。
他们里面每一个又有3个数字。所以t的shape是[3,2,3]。这是我的理解方式。
Slice:
在解释slice之前，有一点要知道的是python的数组index是从0开始的。
有了这个基础，我们再来看例子：
tf.slice(t, [1, 0, 0], [1, 1, 3]) # begin = [1, 0, 0]
这里根据顺序我们知道，begin是[1, 0, 0], size是[1, 1, 3]. 他们两个数组的意义是从左至右，每一个数字代表一个维度。上面说了begin的意思是起始位置，那么[1, 0, 0]的意思是在3个维度中，每个维度从哪里算起。
第一维度是[A, B, C]。 begin里[1, 0, 0]是1，也就是从B算起。其次第二维度里B = [k, l]（注意啊，我这里只写了B = [k, l]，可不代表只有B有用，如果size里第一个数字是2的话，B和C都会被取的），begin里第二个数是0，也就是从k算起。第三维度k = [3, 3 ,3]，begin里第三个数是0，就是从第一个3算起。
到现在都能看懂吧？知道了这三个起始点之后，再来看size。
size的意思是每个维度的大小，也就是每个维度取几个元素。size的应该是最后输出的tensor的shape。
例子里面：
tf.slice(t, [1, 0, 0], [1, 1, 3]) # size = [1, 1, 3]
size里第一个是1，意思是在第一个维度取1个元素。t = [A, B, C] begin是起算是B，取一个那就是B了呗。那么第一维度结果就是[B]
size第二个也是1，第二维度B = [k, l]， begin里起算是k，取一个是k。那么第二维度结果是[[k]]。
size第三个是3,第三维度k = [3, 3 ,3]，begin里起算是第一个3。三个3取3个数，那就要把三个3都取了，所以是
[[[3, 3, 3]]]
看懂了吗？是不是有点像代数？[B]里把B换成[k]， 再把k换成[3, 3 ,3]。最后注意中括号的数量，和size一样是[1, 1, 3].
例2：
t = tf.constant([[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]], [[5, 5, 5], [6, 6, 6]]])
tf.slice(t, [1, 0, 0], [1, 2, 3])
看懂了第一个，再看第二个就简单了。这里begin还是一样[1, 0 ,0]。 size第一个维度取一个，还是[B]。然后这里不是1了，是2，意思是取两个。还记得B = [k, l]吗？现在不是只要k了，是k和l都要。第三维度取3个，也就是说不光是k = [3, 3 ,3]，l = [4, 4, 4]也要slice走。
总结一下，第一维度取[B]。第二维度里把B换成[k, l],就变成了[[k, l]]. 第三维度里把k换成[3, 3 ,3]，把l 换成 [4, 4, 4]，替换后是最终结果
[[[3, 3, 3], [4, 4, 4]]]
是不是觉得看懂了也挺简单的，只是可能不太习惯这种思维方式。
例3：
t = tf.constant([[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]], [[5, 5, 5], [6, 6, 6]]])
tf.slice(t, [1, 0, 0], [-1, -1, -1])
对于这种情况，源代码注释中有一句话：
If `size[i]` is -1, 维度i中的所有剩余元素都包含在切片中。换句话说，这相当于设置: `size[i] = input.dim_size(i) - begin[i]`
也就是说，如果size输入值是-1的话，在那个维度剩下的数都会slice走。上面的例子中，begin是[1, 0, 0]。三个维度都是-1的话，那么结果: 第一维度是[B,C]；第二维度是[[k, l], [m, n]]; 第三维度是[[[3,3,3], [4,4,4]], [[5,5,5], [6,6,6]]]
例4：【2】
import tensorflow as tf
import numpy as np
x=[[1,2,3],[4,5,6]]
y=np.arange(24).reshape([2,3,4])
z=tf.constant([[[1,2,3],[4,5,6]], [[7,8,9],[10,11,12]], [[13,14,15],[16,17,18]]]
sess=tf.Session()
begin_x=[1,0] #第一个1，决定了从x的第二行[4,5,6]开始，第二个0，决定了从[4,5,6] 中的4开始抽取
size_x=[1,2] # 第一个1决定了，从第二行以起始位置抽取1行，也就是只抽取[4,5,6] 这一行，在这一行中从4开始抽取2个元素
out=tf.slice(x,begin_x,size_x)
print sess.run(out) # 结果:[[4 5]]
begin_y=[1,0,0]
size_y=[1,2,3]
out=tf.slice(y,begin_y,size_y)
print sess.run(out) # 结果:[[[12 13 14] [16 17 18]]]
begin_z=[0,1,1]
size_z=[-1,1,2]
out=tf.slice(z,begin_z,size_z)
print sess.run(out) # size[i]=-1 表示第i维从begin[i]剩余的元素都要被抽取，结果：[[[ 5 6]] [[11 12]] [[17 18]]]
转自：
【1】tf.slice()到底怎么切的：https://www.jianshu.com/p/71e6ef6c121b
【2】Tensorflow API 学习(3)-tf.slice()：https://blog.csdn.net/chenxieyy/article/details/53031943