以如下 tensor a 为例，展示常用的 indxing, slicing 及其他高阶操作

>>> a = torch.rand(4,3,28,28)
>>> a.shape
torch.Size([4, 3, 28, 28])

• Indexing: 使用索引获取目标对象，[x,x,x,....]

  >>> a[0].shape
  torch.Size([3, 28, 28])
  >>> a[0,0].shape
  torch.Size([28, 28])
  >>> a[0,0,0].shape 
  torch.Size([28])
  >>> a[0,0,0,0].shape 
  torch.Size([])
  

• Slicing: 使用切片获取一截目标对象，::step

  >>> a[:2].shape
  torch.Size([2, 3, 28, 28])
  >>> a[0, :2].shape 
  torch.Size([2, 28, 28])
  >>> a[0, 0, :2].shape 
  torch.Size([2, 28])
  >>> a[0, 0, 0, :2].shape 
  torch.Size([2])
  

• 其他汇总：

  >>> a.index_select(dim, torch.tensor([idx_1,idx_2, ...]))  ## by specific idx
  >>> torch.take(a, torch.tensor([idx_1, idx2, ...]))  ## 不指定 dim 先打平 a 再按序提取 
  >>> a[a.ge(0.5)]  ## by mask=a.ge(0.5)，该方法没有保持 shape
  

---

• B站视频参考资料