tf.stack(
values,
axis=0,
name='stack'
)- values：[N, B, D]
- tf.stack(values, axis=1) = [B, N, D]
- 与transpose有点等价，参考 https://blog.csdn.net/baidu_27643275/article/details/82465556
x = tf.constant([1, 4])
y = tf.constant([2, 5])
z = tf.constant([3, 6])
tf.stack([x, y, z]) # [[1, 4], [2, 5], [3, 6]] (Pack along first dim.)
tf.stack([x, y, z], axis=1) # [[1, 2, 3], [4, 5, 6]]理解：
举例：当前两个个张量的维度均为：（维1，维2， 维3， 维4）， 此时axis的取值范围为：[-5, 5)
所以输入 stacks = [stack_data1, stack_data2], st = tf.stack(stacks, axis=?)
此时：
stacks的维度为：（2，维1，维2， 维3， 维4 ） 维度为5，所以输出维度也为5， axis取值就在[-5, 5)
当axis=0时， st维度为：（2, 维1， 维2， 维3， 维4）
当axis=1时， st维度为：（维1， 2，维2， 维3， 维4）
当axis=2时， st维度为：（维1， 维2， 2，维3， 维4）
当axis=3时， st维度为：（维1， 维2， 维3，2，维4）
当axis=4时， st维度为：（维1， 维2， 维3，维4，2）
当axis=-5时， st维度为：（2, 维1， 维2， 维3， 维4）
当axis=-4时， st维度为：（维1， 2，维2， 维3， 维4）
当axis=-3时， st维度为：（维1， 维2， 2，维3， 维4）
当axis=-2时， st维度为：（维1， 维2， 维3，2，维4）
当axis=-1时， st维度为：（维1， 维2， 维3，维4，2）pack
def pack(values, axis=0, name=None):
r"""Packs a list of `N` rank-`R` tensors into one rank-`(R+1)` tensor.
Packs the `N` tensors in `values` into a tensor with rank one higher than each
tensor in `values`, by packing them along the `axis` dimension.
Given a list of tensors of shape `(A, B, C)`;
if `axis == 0` then the `output` tensor will have the shape `(N, A, B, C)`.
if `axis == 1` then the `output` tensor will have the shape `(A, N, B, C)`.
Etc.
For example:
'x' is [1, 4]
'y' is [2, 5]
'z' is [3, 6]
pack([x, y, z]) => [[1, 4], [2, 5], [3, 6]] # Pack along first dim. pack([x, y, z], axis=1) => [[1, 2, 3], [4, 5, 6]]
This is the opposite of `unpack`.
Args:
values: A list of at least 1 `Tensor` objects with the same type.
Must be of same shape and type.
axis: An optional `int`. Defaults to `0`.
Dimension along which to pack. Negative values wrap around, so the
valid range is `[-(R+1), R+1)`.
name: A name for the operation (optional).
Returns:
A `Tensor`. Has the same type as `values`.
"""tf.stack介绍
tf.stack 是 TensorFlow 中的一个函数，用于沿着一个新的维度将一组张量堆叠起来。这个函数可以接收一个张量列表，并且这些张量必须具有相同的形状。tf.stack 会创建一个新的维度，并在这个新维度上放置输入的张量。
基本语法如下：
tf.stack(values, axis=0, name='stack')values: 这是一个包含相同形状张量的列表或元组。axis: 这是指定新维度的位置，即张量将在哪个轴上被堆叠。默认值是 0，这意味着新的维度将是第一个维度。name: 可选参数，为该操作指定名称。
举个例子，假设你有两个形状为 (2,) 的一维张量 a 和 b，你可以使用 tf.stack 来将它们堆叠成一个二维张量：
import tensorflow as tf
# 创建两个形状为 (2,) 的张量
a = tf.constant([1, 2])
b = tf.constant([3, 4])
# 使用 tf.stack 沿着第一个维度（默认）堆叠
result = tf.stack([a, b])
print(result)输出将会是：
<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[1, 2],
[3, 4]], dtype=int32)>这里，result 是一个形状为 (2, 2) 的张量，其中第一个维度表示原来的张量，第二个维度是原来张量中的元素。
如果你想要改变堆叠的方向，比如沿最后一个维度堆叠，你可以设置 axis 参数：
# 沿着最后一个维度（axis=1）堆叠
result = tf.stack([a, b], axis=1)
print(result)这将产生一个形状为 (2, 2) 的张量，但这次堆叠方向不同：
<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[1, 3],
[2, 4]], dtype=int32)>在上面的例子中，每个张量 a 和 b 的元素分别成为了结果张量的列。
参考
- https://blog.csdn.net/feifeiyechuan/article/details/89388103