tf.parallel_stack

Параллельно объединяет список тензоров ранга R в один тензор ранга (R+1).

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

Требуется, чтобы форма входных данных была известна во время построения графа.

Упаковывает список тензоров в values в тензор с рангом на единицу выше, чем у каждого тензора в values, объединяя их вдоль первого измерения. Для списка длины N, содержащего тензоры формы (A, B, C), тензор output будет иметь форму (N, A, B, C).

Например:

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]]

Разница между stack и parallel_stack заключается в том, что для начала операции stack требуется вычислить все входные данные, но при построении графа формы входных данных могут быть неизвестны.

parallel_stack будет копировать части входных данных в выходные по мере их готовности; в некоторых случаях это может повысить производительность.

В отличие от stack, parallel_stack НЕ поддерживает обратное распространение.

Это противоположная операция для unstack. Эквивалент в NumPy:

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

parallel_stack несовместима с eager-выполнением.