TensorFlow基础：tf.unstack()与 tf.stack()

- 日理万妓 2022-04-24 09:18 346阅读 0赞

**tf.unstack**  
原型：

unstack(
    value,
    num=None,
    axis=0,
    name='unstack' )

解释：这是一个对矩阵进行分解的函数，以下为关键参数解释：

value：代表需要分解的矩阵变量（其实就是一个多维数组，一般为二维）；  
axis：指明对矩阵的哪个维度进行分解。  
要理解tf.unstack函数，我们不妨先来看看tf.stack函数。Tf.stack刚好是与tf.unstack函数相反，前者是对矩阵进行拼接，后者则对矩阵进行分解。

Tf.stack用法举例：假如现在有两个变量，a=\[1, 2, 3\]，b=\[4, 5, 6\]，现在我要使用tf.stack对他们进行拼接，变成一个二维矩阵\[ \[1, 2, 3\], \[4, 5, 6\] \]。  
代码【示例1】如下：  
【示例1】

import tensorflow as tf
    
    a = tf.constant([1, 2, 3])
    
    b = tf.constant([4, 5, 6])
    
    c = tf.stack( [a,b], axis=0)
    
    with tf.Session() as sess:
    
     print(sess.run(c))

输出结果是：

[[1 2 3]
    
     [4 5 6]]

此时，我如果把【示例1】里面的tf.stack参数axis=0改成1，运行结果如下：

[[1 4]
    
     [2 5]
    
     [3 6]]

可以理解，axis作用就是指明以何种方式对矩阵进行拼接，说白了，就是对原矩阵的哪个维度进行拼接。  
理解了tf.stack，tf.unstack也就不难理解了。比如说现在有变量c，如下：

c=[[1 2 3]
    [4 5 6]]

现在要对c进行分解，代码如下：

import tensorflow as tf
    
    c = tf.constant([[1, 2, 3],
    
     [4, 5, 6]])
    
    d = tf.unstack(c, axis=0)
    
    e = tf.unstack(c, axis=1)
    
    with tf.Session() as sess:
    
     print(sess.run(d))
    
     print(sess.run(e))

结果如下：

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

可以看出来，tf.unstack其实就是在做与tf.stack相反的事情。这样一来，你是不是恍然大悟了呢？