tf.stack() /tf.unstack()

tf.stack函数

tf.stack(
    values,
    axis=0,(default)
    name='stack'
)

将 values 中的张量列表打包成一个张量，该张量比 values 中的每个张量都高一个秩，通过沿 axis 维度打包。给定一个形状为(A, B, C)的张量的长度 N 的列表；

如果 axis == 0，那么 output 张量将具有形状(N, A, B, C)。如果 axis == 1，那么 output 张量将具有形状(A, N, B, C)。

如果 axis == 2，那么 output 张量将具有形状( A, B, N, C)。如果 axis == 3，那么 output 张量将具有形状(A, B, C, N)。

函数参数：

• values：具有相同形状和类型的 Tensor 对象列表.
• axis：一个 int,要一起堆叠的轴,默认为第一维,负值环绕,所以有效范围是[-(R+1), R+1).
• name：此操作的名称(可选).

函数返回值：

• output：与 values 具有相同的类型的堆叠的 Tensor.

可能引发的异常：

• ValueError：如果 axis 超出范围 [ - (R + 1),R + 1),则引发此异常

import tensorflow as tf
a = tf.constant([[1,2,3],[4,5,6]])#2*3
b = tf.constant([[7,8,9],[0,1,7]])
c1 = tf.stack([a,b],axis = 0)
c2 = tf.stack([a,b],axis = 1)
c3 = tf.stack([a,b],axis = 2)
#c4 = tf.stack([a,b],axis = 3)

with tf.Session() as sess:
    result1 = sess.run(c1)
    print('1  :',result1)
    print(result1.shape)
    result2= sess.run(c2)
    print('2 :',result2)
    print(result2.shape)
    result3 = sess.run(c3)
    print('3  :',result3)
    print(result3.shape)

1 : [[[1 2 3]
[4 5 6]]

[[7 8 9]
[0 1 7]]]
(2, 2, 3)
2 : [[[1 2 3]
[7 8 9]]

[[4 5 6]
[0 1 7]]]
(2, 2, 3)
3 : [[[1 7]
[2 8]
[3 9]]

[[4 0]
[5 1]
[6 7]]]
(2, 3, 2)

tf.unstack()
tf.unstack(value, num=None, axis=0, name=’unstack’)
以指定的轴axis，将一个维度为R的张量数组转变成一个维度为R-1的张量。即将一组张量以指定的轴，减少一个维度。正好和stack()相反。

将张量value分割成num个张量数组。如果num没有指定，则是根据张量value的形状来指定。如果value.shape[axis]不存在，则抛出ValueError的异常。

假如一个张量的形状是(A, B, C, D)。
如果axis == 0，则输出的张量是value[i, :, :, :],i取值为[0,A)，每个输出的张量的形状为(B,C,D)。
如果axis == 1，则输出的张量是value[:, i, :, :],i取值为[0,B)，每个输出的张量的形状为(A,C,D)。
如果axis == 2，则输出的张量是value[:, :, i, :],i取值为[0,C)，每个输出的张量的形状为(A,B,D)。依次类推。

axis可这样理解：unstack就是要将一个张量降低为低一个维度的张量数组。axis就是将axis指定的维度，用所有这个张量里同维度的数据代替。

参数:
value: 一个将要被降维的维度大于0的张量。
num: 整数。指定的维度axis的长度。如果设置为None(默认值),将自动求值。
axis: 整数.以轴axis指定的维度来转变 默认是第一个维度即axis=0。支持负数。取值范围为[-R, R)
name: 这个操作的名字（可选）
返回:
从张量value降维后的张量数组。
异常:
ValueError: 如果num没有指定并且无法求出来。
ValueError: 如果axis超出范围 [-R, R)。

import tensorflow as tf
import numpy as np
t=np.random.randint(1,10,(3,4))
ustack1=tf.unstack(t,axis=1)#4个(3)
ustack2=tf.unstack(t,axis=0)#3个(4)
sess=tf.Session()
print(t)
print(sess.run(ustack1))
print(sess.run(ustack2))

[[6 8 4 1]
[4 9 2 7]
[2 6 1 3]]
[array([6, 4, 2]), array([8, 9, 6]), array([4, 2, 1]), array([1, 7, 3])]
[array([6, 8, 4, 1]), array([4, 9, 2, 7]), array([2, 6, 1, 3])]