Python tf.parallel_stack用法及代码示例

将 rank-R 张量列表堆叠成一个 rank-(R+1) 张量。

用法

tf.parallel_stack(
    values, name='parallel_stack'
)

要求在图构建时知道输入的形状。

将 values 中的张量列表打包成一个排名高于 values 中每个张量的张量，方法是将它们沿第一维打包。给定形状为 (A, B, C) 的张量的长度列表 N ； output 张量将具有形状 (N, A, B, C) 。

例如：

x = tf.constant([1, 4])
y = tf.constant([2, 5])
z = tf.constant([3, 6])
tf.parallel_stack([x, y, z])  # [[1, 4], [2, 5], [3, 6]]

stack 和 parallel_stack 之间的区别在于 stack 要求在操作开始之前计算所有输入，但不需要在图形构建期间知道输入形状。

parallel_stack 将在输入可用时将其复制到输出中，在某些情况下，这可以提供性能优势。

不像 stack , parallel_stack 不支持反向传播。

这与 unstack 正好相反。 numpy 等价物是

tf.parallel_stack([x, y, z]) = np.asarray([x, y, z])

eager模式兼容性

parallel_stack 与即刻执行不兼容。