TensorFlow中张量堆叠操作tf.stack用法

最新推荐文章于 2024-04-25 04:51:33 发布

csdn-WJW

最新推荐文章于 2024-04-25 04:51:33 发布

阅读量9.6k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： TensorFlow基础

本文链接：https://blog.youkuaiyun.com/sdnuwjw/article/details/85049603

TensorFlow基础专栏收录该内容

52 篇文章

订阅专栏

本文详细介绍了在TensorFlow中使用tf.stack方法堆叠张量的过程，包括环境配置、官方说明及具体实例演示，展示了如何通过改变axis参数实现不同维度上的张量堆叠。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、环境

TensorFlow API r1.12

CUDA 9.2 V9.2.148

cudnn64_7.dll

Python 3.6.3

Windows 10

二、官方说明

将一个列表中的所有秩为R的张量堆叠在一起组成一个值为R+1的张量

https://www.tensorflow.org/api_docs/python/tf/stack

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

该方法在TensorFlow以前的版本叫tf.pack(values,name)，但已废弃不用了，tf.pack和tf.stack的用法一样，仅仅是改变了名称

输入：

（1）values：具有相同形状和数据类型的张量对象所组成的列表

（2）axis：整型，定义沿着那个轴的堆叠张量，默认是第一维度，负值环绕，因此有效范围是[-(R+1),(R+1)]

（3）name：可选参数，定义操作的名称

返回结果：

（1）和输入张量对象组成的列表具有相同类型的堆叠后的列表

三、实例

>>> x = tf.constant([1,4])
>>> y = tf.constant([2,5])
>>> z = tf.constant([3,6])
>>> pack1 = tf.stack([x,y,z])
>>> pack2 = tf.stack([x,y,z], axis=1)
>>> sess = tf.Session()
>>> sess.run(pack1)
array([[1, 4],
       [2, 5],
       [3, 6]])
>>> sess.run(tf.shape(pack1))
array([3, 2])
>>> sess.run(pack2)
array([[1, 2, 3],
       [4, 5, 6]])
>>> sess.run(tf.shape(pack2))
array([2, 3])