主要记录concat,stack,unstack和split相关操作的作用
import tensorflow as tfimport numpy as nptf.__version__#concat对某个维度进行连接#假设下面的tensor0和tensor1分别表示4个班级35名同学的8门成绩和两个班级35个同学8门成绩tensor0 = tf.ones([4,35,8])tensor1 = tf.ones([2,35,8])#用concat将第0个维度（班级，axis=0）连接起来，结果是一个[6,35,8]的tensor#表示6个班级35名同学8门成绩的数据tensor = tf.concat([tensor0, tensor1], axis=0)print("=========>tf.concat([tensor0, tensor1], axis=0).shape:", tensor.shape)#在同学维度进行合并，第1个维度，axis=1#假设下面的tensor0和tensor1分别表示4个班级32名同学的8门成绩和4个班级3个同学8门成绩tensor0 = tf.ones([4,32,8])tensor1 = tf.ones([4,3,8])#concat合并第一个维度，可以理解为，tensor0先收集到了32名同学的8门成绩#然后补考的3名同学成绩放到了tensor1上，通过concat进行汇总tensor = tf.concat([tensor0, tensor1], axis=1)print("=========>tf.concat([tensor0, tensor1], axis=1).shape:", tensor.shape)#concat对于维度有要求，对于不是指定axis的维度要相等才能concat#一个[4,35,8]的tensor和一个[3,15,8]的tensor无法进行concat#concat对某个维度进行连接#假设下面的tensor0和tensor1分别表示4个班级35名同学的8门成绩和两个班级35个同学8门成绩tensor0 = tf.ones([4,35,8])tensor1 = tf.ones([2,35,8])#用concat将第0个维度（班级，axis=0）连接起来，结果是一个[6,35,8]的tensor#表示6个班级35名同学8门成绩的数据tensor = tf.concat([tensor0, tensor1], axis=0)print("=========>tf.concat([tensor0, tensor1], axis=0).shape:", tensor.shape)#在同学维度进行合并，第1个维度，axis=1#假设下面的tensor0和tensor1分别表示4个班级32名同学的8门成绩和4个班级3个同学8门成绩tensor0 = tf.ones([4,32,8])tensor1 = tf.ones([4,3,8])#concat合并第一个维度，可以理解为，tensor0先收集到了32名同学的8门成绩#然后补考的3名同学成绩放到了tensor1上，通过concat进行汇总tensor = tf.concat([tensor0, tensor1], axis=1)print("=========>tf.concat([tensor0, tensor1], axis=1).shape:", tensor.shape)#concat对于维度有要求，对于不是指定axis的维度要相等才能concat#一个[4,35,8]的tensor和一个[3,15,8]的tensor无法进行concat#unstack和stack操作相反,会对指定维度进行拆分tensor = tf.ones([3,4,35,8])#拆分出3个[4,35,8]的tensorsplited = tf.unstack(tensor, axis=0)print("==========>tf.unstack(tensor, axis=0).shape:", splited[0].shape, splited[1].shape, splited[2].shape)#拆分出8个[3,4,35]的tensorsplited = tf.unstack(tensor, axis=3)print("==========>tf.unstack(tensor, axis=3).shape:", splited[0].shape, splited[1].shape, splited[2].shape,splited[3].shape, splited[4].shape, splited[5].shape,splited[5].shape, splited[6].shape, splited[7].shape)#拆分出4个[3,35,8]的tensorsplited = tf.unstack(tensor, axis=1)print("==========>tf.unstack(tensor, axis=1).shape:", splited[0].shape, splited[1].shape, splited[2].shape, splited[3].shape)#unstack会固定打散指定维度为1#split则可以指定这个维度划分的比例，通过num_or_size_splits指定#看个例子就明白了tensor = tf.ones([2,4,35,8])#第3个维度划分为2个4维的两个tensor([2,4,35,4]) --- 8 / 2(num_of_size_splits) = 4splited = tf.split(tensor, axis=3, num_or_size_splits=2)print("==========>split(tensor, axis=3, num_or_size_splits=2).shape:", splited[0].shape, splited[1].shape)#将第3个维度按照2，2，4的比例划分，得到3个tensorsplited = tf.split(tensor, axis=3, num_or_size_splits=[2,2,4])print("==========>split(tensor, axis=3, num_or_size_splits=2).shape:", splited[0].shape, splited[1].shape, splited[2].shape)运行结果：
