tf.unstack与tf.stack

tf.unstack

原型：

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

官方解释：https://tensorflow.google.cn/api_docs/python/tf/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？