TensorFlow张量的合并与分割

合并： 在 TensorFlow 中，可以通过 tf.concat(tensors, axis)，其中 tensors 保存了所有需要合并的张量 List，axis 指定需要合并的维度。

import tensorflow as tf
a = tf.random.normal([4, 35, 8])
b = tf.random.normal([6, 35, 8])
tf.concat([a, b], axis=0)

<tf.Tensor: id=13, shape=(10, 35, 8), dtype=float32, numpy=
array([[[-1.64263234e-01, -1.79259729e+00,  1.61177063e+00, ...,
          8.25017512e-01,  4.44114864e-01, -2.21222806e+00],
        [-1.15612142e-01, -2.09971237e+00, -2.11950541e+00, ...,
          1.59496918e-01,  6.07065558e-01, -1.55677330e+00],
        [ 2.10887380e-02, -3.84055972e-01, -3.34402353e-01, ...,
          3.51098552e-02, -8.49512517e-01, -2.47136736e+00],
        ...,

合并操作可以在任意维度上进行，唯一的约束是非合并的长度必须一致。

**堆叠：**如果希望在合并数据时，创建一个新的维度，可以用tf.stack来操作。

使用 tf.stack(tensors, axis)可以合并多个张量 tensors，其中 axis 指定插入新维度的位置，axis 的用法与 tf.expand_dims 的一致，当axis ≥ 0时，在 axis 之前插入;当axis < 0时，在 axis 之后插入新维度。

import tensorflow as tf
a = tf.random.normal([35, 8])
b = tf.random.normal([35, 8])
tf.stack([a, b], axis=0)

<tf.Tensor: id=26, shape=(2, 35, 8), dtype=float32, numpy=
array([[[ 6.69145286e-02, -4.48833466e-01,  1.63843274e-01,
          4.60673541e-01, -2.01034522e+00,  1.91229153e+00,
          1.48241258e+00, -1.27161491e+00],
        [ 8.87061477e-01, -3.17032218e-01, -2.00393751e-01,
         -7.19009221e-01,  2.24969029e+00, -7.32503319e-03,
         -1.55386770e+00, -1.33892262e+00],

tf.stack 也需要满足张量堆叠合并条件，它需要所有合并的张量 shape 完全一致才可合并。

**分割：**通过 tf.split(x, axis, num_or_size_splits)可以完成张量的分割操作，其中：

x：待分割张量
axis：分割的维度索引号
num_or_size_splits：切割方案。当 num_or_size_splits 为单个数值时，如 10，表示切割为 10 份；当 num_or_size_splits 为 List 时，每个元素表示每份的长度，如[2,4,2,2]表示切割为 4 份，每份的长度分别为 2,4,2,2

当 num_or_size_splits 为单个数值时:

x = tf.random.normal([10, 35, 8])
# 等长切割
result = tf.split(x, axis=0, num_or_size_splits=10)
# 查看切割之后结果的长度
print(len(result))
# 随便查看一个
result[0]

10
<tf.Tensor: id=156, shape=(1, 35, 8), dtype=float32, numpy=
array([[[ 8.49051535e-01,  5.52066386e-01,  1.57028139e+00,
         -3.69209170e-01, -5.04426241e-01, -3.87088597e-01,
          2.87624687e-01,  6.86846614e-01],

当 num_or_size_splits 为列表时：

 x = tf.random.normal([10,35,8])
# 自定义长度的切割
result = tf.split(x,axis=0,num_or_size_splits=[4,2,2,2])
print(len(result))
result[0]

4
<tf.Tensor: id=198, shape=(4, 35, 8), dtype=float32, numpy=
array([[[-0.13012172, -1.1784949 ,  1.1862756 , ..., -1.3953975 ,
          0.6226986 ,  0.5008703 ],
        [ 0.60076094,  0.34617507, -1.6403588 , ...,  2.349285  ,
         -0.8501324 ,  0.39967436],
        [-0.18285574, -0.19942562,  0.36876082, ..., -1.0590581 ,
         -0.69916064, -0.04942752],

特别地，如果希望在某个维度上全部按长度为 1 的方式分割，还可以直接使用 tf.unstack(x,axis)。

x = tf.random.normal([10,35,8])
result = tf.unstack(x, axis=0)
print(len(result))
result[0]

10
<tf.Tensor: id=224, shape=(35, 8), dtype=float32, numpy=
array([[-1.38168859e+00, -2.34808564e-01,  2.39532903e-01,
        -3.49951059e-01,  1.78944543e-01, -2.90860087e-01,
        -1.59443510e+00,  2.04688415e-01],

可以看到第一个维度消失了，拆分成了10个张量。