Deep learning和tensorflow学习记录（二十三）：tf.unstack

tf.unstack(
    value,
    num=None,
    axis=0,
    name='unstack'

)

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

将秩为R的给定维度的tensor的分解为秩为(R-1)的tensor。

通过沿axis维度切割来从value分解num个tensors。如果num未指定（默认值），则从value的形状推断出。如果

value.shape[axis]不知道，则抛出ValueError。

例如，给定一个tensor的形状是（A, B, C, D);如果axis == 0，那么output的第i个tensor是切片 value[i, :, :, :]，并且output的每个tensor都将具有形状(B, C, D)。（注意，分解的尺寸已经消失，不像split）。

如果axis == 1，那么output的第i个tensor是切片 value[:, i, :, :]，并且output的每个tensor都将具有形状(A, C, D)。这与stack相反。参数：

value：R > 0 的Tensor。

num：一个int。axis尺寸的长度。如果为None则自动推断（默认值）。

axis：一个int。指定要被分解的轴。默认为第一个维度。有效范围是[-R, R)。

name：操作的名称（可选）。

返回：从value分解的tensor对象列表。

import tensorflow as tf

A = [[1, 2, 3], [4, 5, 6]]
a1 = tf.unstack(A, num=3,axis=1)
a2 = tf.unstack(A, num=2,axis=0)
with tf.Session() as sess:
    print(sess.run(a1))
    print(sess.run(a2))

输出：

[array([1, 4]), array([2, 5]), array([3, 6])] 

[array([1, 2, 3]), array([4, 5, 6])]