tf.parallel_stack

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

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

Требуется, чтобы форма входов была известна на этапе построения графа.

Упаковывает список тензоров в values в тензор с рангом на один выше, чем у каждого тензора в values, упаковывая их вдоль первого измерения. Учитывая список длиной N тензоров 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 stack требует вычисления всех входов перед началом операции, но не требует, чтобы формы входов были известны во время построения графа.

parallel_stack будет копировать части входных данных в выходные данные по мере их доступности, в некоторых ситуациях это может обеспечить преимущество в производительности.

В отличие от stack, parallel_stack НЕ поддерживает обратное распространение.

Это противоположно unstack. Эквивалент в numpy:

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

parallel_stack несовместим с eager выполнением.