Deep learning和tensorflow学习记录（二十四）：tf.stack

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

)

定义于：tensorflow/python/ops/array_ops.py。

将秩为R的tensors集合合并为一个秩为R+1的tensor。

将values中的tensor集合打包成一个比values中的每个tensor秩大一的tensor，在axis维度上进行打包。给出一个长度为N的tensor集合，形状是(A, B, C);

如果axis == 0，那么output的tensor将具有形状(N, A, B, C)。

如果axis == 1，那么output的tensor将具有形状(A, N, B, C)。

例如：

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

这与unstack相反。numpy等价物是

tf.stack([x, y, z]) = np.stack([x, y, z])

参数：
values：具有相同形状和类型的Tensor对象列表。

axis：一个nt。沿着axis打包。默认为第一个维度。有效范围是[-(R+1), R+1)。

name：此操作的名称（可选）。

返回：
output：打包后的Tensor，与values相同的类型。