Question

我在tensorflow stack 上阅读了tf.stack()的文档。页面上有一个例子：

>>> x = tf.constant([1, 4])
>>> y = tf.constant([2, 5])
>>> z = tf.constant([3, 6])
>>> sess=tf.Session()
>>> sess.run(tf.stack([x, y, z]))
array([[1, 4],
       [2, 5],
       [3, 6]], dtype=int32)
>>> sess.run(tf.stack([x, y, z], axis=1))
array([[1, 2, 3],
       [4, 5, 6]], dtype=int32)

我不明白的是axis=1。

的第二个例子

从结果看，它似乎将三个输入行转换为第一列

然后将它们放在axis=1旁边，但是

我认为结果应该是

array([[1,4, 2, 5, 3, 6 ]] dtype=int32 )

任何人都可以帮忙解释一下吗？

谢谢！

Answer 1

tf.stack总是添加一个新维度，并始终沿着该新维度连接给定的张量。在您的情况下，您有三个形状为[2]的张量。设置axis=0与添加新的第一维相同，因此每个张量现在都具有形状[1, 2]，并且在该维度上连接，因此最终形状将为[3, 2]。也就是说，每个张量都是＆＃34; row＆＃34;最后的张量。使用axis=1时，每个单个张量的形状将扩展为[2, 1]，结果将具有[2, 3]形状。所以每个给定的张量都是一个＆＃34;列＆＃34;由此产生的张量。

换句话说，tf.stack在功能上等同于此：

def tf.stack(tensors, axis=0):
    return tf.concatenate([tf.expand_dims(t, axis=axis) for t in tensors], axis=axis)

但是您期望的结果将通过以下方式获得：

tf.concatenate([tf.expand_dims(t, axis=0) for t in tensors], axis=1)

请注意，在这种情况下，添加的维度和连接维度是不同的。

关于tf.stack轴的问题（）

1 个答案: