tf.stack与tf.unstack

这里对 tensorflow 中的 stack 和 unstack 做一个简单的介绍。

tf.stack 官方文档

tf.stack:

tf.stack 的作用是拼接张量，其实也就是拼接数组，且能指定拼接的维度。

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

values：要拼接的 tensor 列表，要求相同 shape 和 type。
axis：拼接的维度，可以是负数。

返回值为一个拼接好的 tensor

例：

x = tf.constant([1, 4])
y = tf.constant([2, 5])
z = tf.constant([3, 6])

经过拼接：

tf.stack([x, y, z]) #默认维度 axis=0# [[1, 4], [2, 5], [3, 6]] (Pack along first dim.)

tf.stack([x, y, z], axis=1)  # [[1, 2, 3], [4, 5, 6]]

tf.unstack

unstack 产生的效果与 stack 相反：

tf.unstack(value,num=None,axis=0,name='unstack'
)

num ：指定分解 value 产生的 tensor 个数，一般不用指定，函数会根据 shape 自己推断。

例：

a = tf.constant([[1, 2, 3],[4, 5, 6]]
)

经过 unstack：

b = tf.unstack(a,axis=0)
#[array([1, 2, 3]), array([4, 5, 6])]c = tf.unstack(a,axis=1)
#[array([1, 4]), array([2, 5]), array([3, 6])]with tf.Session() as sess:print(sess.run(b))print(sess.run(c))

a = tf.constant([[[1, 2, 3],[4, 5, 6]],[[7, 8, 9],[10, 11, 12]]]
)

b = tf.unstack(a,axis=0)
#[array([[1, 2, 3],[4, 5, 6]]), array([[ 7,  8,  9],[10, 11, 12]])]c = tf.unstack(a,num=2,axis=1) #num 加与没加产生的结果一样
#[array([[1, 2, 3],[7, 8, 9]]), array([[ 4,  5,  6],[10, 11, 12]])]

tf.stack与tf.unstack相关推荐

tf.concat, tf.stack和tf.unstack的用法
tf.concat, tf.stack和tf.unstack的用法 tf.concat相当于numpy中的np.concatenate函数,用于将两个张量在某一个维度(axis)合并起来,例如: a ...
tf.stack()和tf.unstack()的用法
tf.stack()这是一个矩阵拼接的函数,tf.unstack()则是一个矩阵分解的函数 c是拼接,而d和e则是不同维度的分解转自:http://blog.csdn.net/u012193416/ ...
tf.stack() 详解
tensorflow用于矩阵拼接的方法:tf.stack() 个人参考感觉还不错的一个理解(tf.stack() 和 tf.concat()的区别):https://blog.csdn.net/Gai ...
记录之 tensorflow中几个常用的函数：tf.unstack，tf.concat() 和 tf.stack() 等
1.tf.to_int32():tf.to_float()等函数,主要是强制类型转换函数: 2.tf.shape(tensor):获取tensor的尺寸 3.tf.round(a):四舍五入函数,张 ...
深度学习 - 22.TF TF1.x tf.string_split VS TF2.x tf.strings.split
一.引言开发时同时用到了TF1与TF2,使用中发现 split 函数在V1和V2中有一些区别,记录一下. 二.TF1.x tf.string_split 1.使用 Input: 对字符串数组进行分割 ...
通俗理解tf.name_scope()、tf.variable_scope()
前言:最近做一个实验,遇到TensorFlow变量作用域问题,对tf.name_scope().tf.variable_scope()等进行了较为深刻的比较,记录相关笔记: tf.name_scope ...
openlayers map获取全部feature_tf2.0基础-tf.data与tf.feature_column
7.2.1 tf.data 使用 tf.data API 可以轻松处理大量数据.不同的数据格式以及复杂的转换.tf.data API 在 TensorFlow 中引入了两个新的抽象类: tf.data ...
tf.name_scope() 和 tf.variable_scope() 的用法和玄机
2019独角兽企业重金招聘Python工程师标准>>> 一. name_scope 和 variable_scope的用途用途1: 共享变量 TensorFlow (TF) 中,n ...
tf.variable和tf.get_Variable以及tf.name_scope和tf.variable_scope的区别
在训练深度网络时,为了减少需要训练参数的个数(比如具有simase结构的LSTM模型).或是多机多卡并行化训练大数据大模型(比如数据并行化)等情况时,往往需要共享变量.另外一方面是当一个深度学习模型变 ...

tf.stack与tf.unstack

tf.stack:

tf.unstack

tf.stack与tf.unstack相关推荐

最新文章

热门文章