在TensorFlow即时执行模式下替代tf.parallel_stack()的方案咨询

你可以直接用tf.stack()替代tf.parallel_stack()，两者在你的场景下行为完全一致，而且tf.stack()完美支持即时执行模式。

直接使用tf.stack()的示例： #

x = tf.constant([1, 4])
y = tf.constant([2, 5])
z = tf.constant([3, 6])

result = tf.stack([x, y, z])
# 输出结果：[[1, 4], [2, 5], [3, 6]]

tf.stack()默认会在第0个轴上创建新维度，将输入的一维张量堆叠成二维张量，和tf.parallel_stack([x, y, z])的效果完全相同。

基于tf.concat()的实现方式（如果你想沿用已尝试的思路）： #

如果坚持用tf.concat()，需要先给每个一维张量增加一个维度，再在第0轴上拼接：

result = tf.concat([tf.expand_dims(t, axis=0) for t in [x, y, z]], axis=0)
# 同样得到：[[1, 4], [2, 5], [3, 6]]

不过相比之下，tf.stack()的写法更简洁直观，是首选的替代方案。

内容的提问来源于stack exchange，提问作者Magdalena