tf.unstack

原型：

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

官方解釋：https://tensorflow.google.cn/api_docs/python/tf/unstack

解釋：這是一個對矩陣進行分解的函數，以下為關鍵參數解釋：

value：代表需要分解的矩陣變量（其實就是一個多維數組，一般為二維）；

axis：指明對矩陣的哪個維度進行分解。

要理解tf.unstack函數，我們不妨先來看看tf.stack函數。Tf.stack剛好是與tf.unstack函數相反，前者是對矩陣進行拼接，后者則對矩陣進行分解。

Tf.stack用法舉例：假如現在有兩個變量，a=[1, 2, 3]，b=[4, 5, 6]，現在我要使用tf.stack對他們進行拼接，變成一個二維矩陣[ [1, 2, 3], [4, 5, 6] ]。代碼【示例1】如下：

【示例1】

---

import tensorflow as tfa = 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))

---

輸出結果是：

---

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

---

此時，我如果把【示例1】里面的tf.stack參數axis=0改成1，運行結果如下：

---

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

---

可以理解，axis作用就是指明以何種方式對矩陣進行拼接，說白了，就是對原矩陣的哪個維度進行拼接。

理解了tf.stack，tf.unstack也就不難理解了。比如說現在有變量c，如下：

c=[[1 2 3]

[4 5 6]]

現在要對c進行分解，代碼如下：

---

import tensorflow as tfc = 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))

---

結果如下：

---

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

---

可以看出來，tf.unstack其實就是在做與tf.stack相反的事情。這樣一來，你是不是恍然大悟了呢？

作者：JempChou
鏈接：https://www.jianshu.com/p/25706575f8d4
來源：簡書
簡書著作權歸作者所有，任何形式的轉載都請聯系作者獲得授權并注明出處。

轉載于:https://www.cnblogs.com/fpzs/p/10290259.html

總結

以上是生活随笔為你收集整理的tf.unstack\tf.unstack的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。