tf.stack和tf.unstack用法

tf.unstack参数了如下：

def unstack(value,
 num=None,
 axis=0, 
 name="unstack"):
 
Args:
    value: A rank `R > 0` `Tensor` to be unstacked.
    num: An `int`. The length of the dimension `axis`. Automatically inferred if `None` (the default).
    axis: An `int`. The axis to unstack along. Defaults to the first dimension.Negative values wrap around, so the valid range is `[-R, R)`.
    name: A name for the operation (optional).

value：就是要分解的矩阵
num：指定维度上数据长度,如果为None自动推断,一般不需要参数
axis：进行操作的维度
name：操作的名称

\qquad

tf.unstack参数了如下：

def stack(values,
 axis=0,
 name="stack"):
 
Args:
    values: A list of `Tensor` objects with the same shape and type.
    axis: An `int`. The axis to stack along. Defaults to the first dimension.
      Negative values wrap around, so the valid range is `[-(R+1), R+1)`.
    name: A name for this operation (optional).

value：是一个所要拼接矩阵的列表，是list类型
axis：也是进行操作的维度
name：操作的名称

测试代码如下：

import tensorflow as tf
import numpy as np
a_6=tf.constant(value=np.arange(6).reshape(2,3))
b_6=tf.constant(value=np.arange(7,13).reshape(2,3))

a_unstack0=tf.unstack(a_6,axis=0)
a_unstack1=tf.unstack(a_6,axis=1)
ab_stack0=tf.stack([a_6,b_6],axis=0)
ab_stack1=tf.stack([a_6,b_6],axis=1)
with tf.Session() as sess:
    print('a_6:\n', sess.run(a_6))
    print('b_6:\n', sess.run(b_6))
    print('a_unstack0:\n',sess.run(a_unstack0))
    print('a_unstack1:\n', sess.run(a_unstack1))
    print('ab_stack0:\n',sess.run(ab_stack0))
    print('ab_stack1:\n',sess.run(ab_stack1))

测试结果如下：
原始数据：

进行unstack操作后的输出：

tf.unstack操作之后生成的是一个列表。
进行stack操作后的输出：

print('typeunstack:',type(a_unstack0))
print('typestack:',type(ab_stack1))

输出结果：

也就是说unstack操作之后生成一个列表，stack操作之后还是一个tensor向量。

希望能帮到你