tensorflow的用法：tf.stack()与tf.unstack()用法的比较

现列出代码，后面进行讲解

import numpy as np
import tensorflow as tf

a = tf.constant([[1,2],[3,4]])
b = tf.constant([[6,7],[8,9]])
c = tf.stack([a,b], axis=0)
d = tf.stack([a,b], axis=1)
e = tf.unstack(a,   axis=0)
f = tf.unstack(a,   axis=1)

with tf.Session() as sess:
    print(sess.run(c))
    print(sess.run(d))
    print(sess.run(e))
    print(sess.run(f))

结果如下：

c:  [[[1 2]
  [3 4]]

 [[6 7]
  [8 9]]]
d:  [[[1 2]
  [6 7]]

 [[3 4]
  [8 9]]]
e:  [array([1, 2], dtype=int32), array([3, 4], dtype=int32)]
f:  [array([1, 3], dtype=int32), array([2, 4], dtype=int32)]

1、c和d涉及到的是tf.stack的合并，先将要合并的对象用[]合并起来，如[a, b]，然后axis表示对哪一个维度进行合并。
2、e和f设计到的是tf,unstack的分解，与tf.stack的用法正好相反，axis表示对哪一维度进行分解。