能否使用tf.concat生成组合元组形式的张量？

嘿，作为TensorFlow新手，这个需求挺典型的～先直接给你结论：tf.concat没法直接生成你想要的这种「对应元素配对」的结构，因为它的核心作用是把张量沿着指定轴拼接，而不是将对应位置的元素配对。不过别担心，有更合适的方法能实现你的目标！

为什么tf.concat不行？ #

你给出的t1和t2都是一维张量（形状为(6,)）：

• 如果用tf.concat([t1, t2], axis=0)，得到的是把两个张量从头到尾连起来的一维张量：[1,2,3,4,5,6,7,8,9,10,11,12]
• 如果想沿着横向拼接，得先把两个张量都扩展成二维（比如形状变成(6,1)），但拼接后得到的是二维张量，这其实和你想要的配对效果逻辑一致，只是TensorFlow不会用元组形式展示，而是二维数组。

正确实现方法 #

你想要的[(1,7),(2,8)...]在TensorFlow里等价于一个形状为(6,2)的二维张量，下面两种方法都能实现：

方法一：简洁的tf.stack #

tf.stack专门用于将多个张量堆叠在一起，指定axis=1就能直接把对应位置的元素配对：

import tensorflow as tf

t1 = tf.constant([1, 2, 3, 4, 5, 6])
t2 = tf.constant([7, 8, 9, 10, 11, 12])

# 沿着axis=1堆叠，生成形状为(6,2)的张量
t3 = tf.stack([t1, t2], axis=1)
print(t3.numpy())

输出结果：

[[ 1  7]
 [ 2  8]
 [ 3  9]
 [ 4 10]
 [ 5 11]
 [ 6 12]]

方法二：tf.expand_dims + tf.concat #

如果你想理解底层的维度变化，可以先给每个一维张量增加一个维度（变成列向量），再沿着横向拼接：

import tensorflow as tf

t1 = tf.constant([1, 2, 3, 4, 5, 6])
t2 = tf.constant([7, 8, 9, 10, 11, 12])

# 扩展维度，从(6,)变为(6,1)
t1_expanded = tf.expand_dims(t1, axis=1)
t2_expanded = tf.expand_dims(t2, axis=1)

# 沿着axis=1拼接，得到(6,2)的张量
t3 = tf.concat([t1_expanded, t2_expanded], axis=1)
print(t3.numpy())

输出和上面完全相同。

小提示 #

TensorFlow的张量中不会存储元组，所有元素都是数值类型，所以输出是二维数组形式，但它的逻辑和你想要的元组列表完全一致，后续的模型运算、数据处理都可以正常使用这个张量。

内容的提问来源于stack exchange，提问作者KLee