TensorFlow高阶操作1-合并与分割
合并
其中一个维度可以不一致，不创建新维度。
tf.concat(tensors,axis)
维度要求一致，创建新维度。
tf.stack(tensors, axis)
分割
在某一维度上，均分成 n 部分，或者任意分割成不同大小的几部分（输入参数 List ）。
tf.split(x, axis, num_or_size_splits)
在某一维度上，拆分成大小为 1 的 tensor。
tf.unstack(x, axis)
重点函数
tf.data.Dataset.from_tensor_slices((x,y)).batch(128)
tf.one_hot(y,depth=10)
原地修改数据：w1.assign_sub(lr * grads[0])
5.1 合并与分割
5.1.1 合并
合并是指将多个张量在某个维度上合并为一个张量。
tf.concat()
拼接 在 TensorFlow 中，可以通过 tf.concat(tensors,axis=) 其中 tensors 保存了所有需要合并的张量 List，axis 指定需要合并的维度。
堆叠 tf.concat() 直接在现有维度上面合并数据，并不会创建新的维度。
tf.stack(tensors, axis)
使用 tf.stack(tensors, axis) 可以合并多个张量 tensors，其中 axis 指定插入新维度的位置，axis 的用法与 tf.expand_dims() 的一致，当 axis ≥ 0时，在 axis 之前插入;当axis < 0时，在 axis 之后插入新维度。
5.1.2 分割
合并操作的逆过程就是分割，将一个张量分拆为多个张量。
tf.split(x, axis, num_or_size_splits)
通过 tf.split(x, axis, num_or_size_splits)可以完成张量的分割操作，其中
❑ x：待分割张量。
❑ axis：分割的维度索引号
❑ num_or_size_splits：切割方案。
当 num_or_size_splits 为单个数值时，如 10，表示切割为 10 份；
当 num_or_size_splits 为 List 时，每个元素表示每份的长度，如[2,4,2,2]表示切割为 4 份，每份的长度分别为 2,4,2,2 现在我们将总成绩册张量切割为 10 份：
tf.unstack(x, axis)
特别地，如果希望在某个维度上全部按长度为 1 的方式分割，还可以直接使用 tf.unstack(x, axis) 。这种方式是 tf.split 的一种特殊情况，切割长度固定为 1，只需要指定切割维度即可。
可以看到，通过 tf.unstack 切割后，shape 变为[35,8]，即班级维度消失了，这也是与 tf.split 区别之处。
