np.stack() 與 tf.stack() 的簡單理解

說明：np ----> numpy       tf ----> tensorflownp.stack(arrays, axis=0)

np.stack(arrays, axis=0) ---- 一樣也適用於tf.stack()

numpy 和 tensorflow 都有 stack() 函數，該函數主要是用來提高維度。

在只提供數組（張量）和axis參數的前提下，  二者的使用方法和結果同樣，原理同樣，因此這裏用numpy作演示。

假設要轉變的張量數組arrays的長度爲N,其中的每一個張量數組的形狀爲(A, B, C)。

若是軸axis=0，則轉變後的張量的形狀爲(N, A, B, C)。

若是軸axis=1，則轉變後的張量的形狀爲(A, N, B, C)。

若是軸axis=2，則轉變後的張量的形狀爲(A, B, N, C)。其它狀況依次類推。

例如：

 

np.stack(arrays, axis=0)則表示arrays[0], arrays[1], arrays[2]進行堆疊，因此結果與原始數組同樣。

np.stack(arrays, axis=1)則表示arrays[0][0], arrays[1][0]和arrays[2][0]進行堆疊，而後是arrays[0][1]，arrays[1][1]與arrays[2][1]進行堆疊。

np.stack(arrays, axis=2)則表示arrays[0][0][0]，arrays[1][0][0]和arrays[2][0][0]進行堆疊，而後是arrays[0][0][1]，arrays[1][0][1]與arrays[2][0][1]進行堆疊，接着爲arrays[0][0][2]，arrays[1][0][2]與arrays[2][0][2]進行堆疊......

圖例說明：

注：轉化後的索引看上面藍色和綠色的線。

 

到這裏就是我所有的理解，若有錯誤，歡迎指出。