介绍

将 r 维的list 堆叠 成 r+1 维

语法

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

参数：

• values：list类型，其元素是Tensor（shape和dtype都相同）
• axis：按照哪个轴堆叠。默认第1个轴

例子

一维数组

x = tf.constant([1, 4])
y = tf.constant([2, 5])
z = tf.constant([3, 6])

1. 测试代码

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

   执行结果如下：

   tf.Tensor(
   [[1 4]
   [2 5]
   [3 6]], shape=(3, 2), dtype=int32)
   

   理解： 3个元素按照0轴进行堆叠，所以结果的tensor张量 0轴为3，由于原数据形状是2，所以结果的tensor张量1轴为2，即：结果tensor形状为 (3,2)
   

2. 测试代码

   b=tf.stack([x, y, z], axis=1)
   print(b)
   

   执行结果如下：

   tf.Tensor(
   [[1 2 3]
   [4 5 6]], shape=(2, 3), dtype=int32)
   

   理解： 3个元素按照1轴进行堆叠，所以结果的tensor张量1轴为3，原数据形状是2，所以结果的tensor张量0轴为2，即：结果的tensor形状为 (2,3)
   

二维数组

x = tf.constant([[1, 4, 7],[10, 13, 16]])
y = tf.constant([[2, 5, 8],[11, 14, 17]])
z = tf.constant([[3, 6, 9],[12, 15, 18]])

1. 测试代码

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

   执行结果：

   tf.Tensor(
   [[[ 1  4  7]
   [10 13 16]]
   
   [[ 2  5  8]
   [11 14 17]]
   
   [[ 3  6  9]
   [12 15 18]]], shape=(3, 2, 3), dtype=int32)
   

   理解： 3个tensor按照0轴进行堆叠，所以结果的tensor张量0轴为3，原数据形状是(2,3)，即：结果的tensor形状为 (3,2,3)
   

2. 测试代码

   b=tf.stack([x, y, z],axis=1) 
   print(b)
   

   执行结果如下：

   tf.Tensor(
   [[[ 1  4  7]
   [ 2  5  8]
   [ 3  6  9]]
   
   [[10 13 16]
   [11 14 17]
   [12 15 18]]], shape=(2, 3, 3), dtype=int32)
   

   理解： 3个tensor按照1轴进行堆叠，所以结果的tensor张量1轴为3，原数据形状是(2,3)，即：结果的tensor形状为 (2,3,3)
   

3. 测试代码

   c=tf.stack([x, y, z],axis=2) 
   print(c)
   

   执行结果：

   tf.Tensor(
   [[[ 1  2  3]
   [ 4  5  6]
   [ 7  8  9]]
   
   [[10 11 12]
   [13 14 15]
   [16 17 18]]], shape=(2, 3, 3), dtype=int32)
   

   理解： 3个tensor按照2轴进行堆叠，所以结果的tensor张量2轴为3，原数据形状是(2,3)，即：结果的tensor形状为 (2,3,3)
   

原文出处：/show_1EF5IipGjmzo.html