TensorFlow: cómo apilar una lista de tensores de rango R en un tensor de rango (R + 1) en paralelo

TensorFlow es una biblioteca Python de código abierto diseñada por Google para desarrollar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo.

TensorFlow proporciona métodos integrados para apilar una lista de tensores de rango R en un tensor de rango (R+1) en paralelo.

Métodos utilizados:

• parallel_stack: este método acepta una lista de tensores y devuelve un tensor con todos los valores apilados en paralelo. Este método copia partes de la entrada en la salida a medida que están disponibles.
• stack: este método acepta una lista de tensores, eje a lo largo del cual se deben apilar los valores y devuelve un tensor con todos los valores apilados.

Ejemplo 1: este ejemplo utiliza el método de apilamiento para apilar tensores.

# importing the library
import tensorflow as tf
  
# Initializing the Input
x = tf.constant([1, 2, 3])
y = tf.constant([4, 5, 6])
z = tf.constant([7, 8, 9])
  
# Printing the Input
print("x: ", x)
print("y: ", y)
print("z: ", z)
  
# Stacking Tensors
res = tf.stack(values =[x, y, z], axis = 0)
  
# Printing the resulting Tensor
print("Res: ", res )

Producción:

x:  tf.Tensor([1 2 3], shape=(3, ), dtype=int32)
y:  tf.Tensor([4 5 6], shape=(3, ), dtype=int32)
z:  tf.Tensor([7 8 9], shape=(3, ), dtype=int32)
Res:  tf.Tensor(
[[1 2 3]
 [4 5 6]
 [7 8 9]], shape=(3, 3), dtype=int32)

Ejemplo 2: este ejemplo usa el método parallel_stack para apilar los tensores de entrada.

# importing the library
import tensorflow as tf
  
# Initializing the Input
x = tf.constant([1, 2, 3])
y = tf.constant([4, 5, 6])
z = tf.constant([7, 8, 9])
  
# Printing the Input
print("x: ", x)
print("y: ", y)
print("z: ", z)
  
# Stacking Tensors
res = tf.parallel_stack(values =[x, y, z])
  
# Printing the resulting Tensor
print("Res: ", res )

Producción:

x:  tf.Tensor([1 2 3], shape=(3, ), dtype=int32)
y:  tf.Tensor([4 5 6], shape=(3, ), dtype=int32)
z:  tf.Tensor([7 8 9], shape=(3, ), dtype=int32)
Res:  tf.Tensor(
[[1 2 3]
 [4 5 6]
 [7 8 9]], shape=(3, 3), dtype=int32)