TensorFlow 1.0+ 张量操作详解：tf.concat、tf.stack 与 tf.reshape 用法对比

Mason

发布时间：2026-10-14| 4人浏览过

原创

本文详解 TensorFlow 1.0 版本后张量操作函数的关键变更。重点解析 tf.concat 参数位置调整、tf.stack 替代 tf.pack 的用法，以及 tf.reshape 中 -1 参数的行列转换技巧，帮助开发者规避版本升级带来的兼容性问题。

TensorFlow 版本升级背景

有一段时间未使用 TensorFlow 进行开发，近期在运行实验时再次遇到了一些潜在问题，主要集中在张量计算层面。自 TensorFlow 升级至 1.0 版本后，其 API 与早期版本不再完全兼容，这可能导致出现各种意想不到的错误。

tf.concat 函数参数变更

1. tf.concat 函数

在 TensorFlow 1.0 之前的版本中，该函数的调用方式为 tf.concat(concat_dim, values, name='concat')，其中第一个参数指定连接的维度，用于将多个向量按指定维度进行拼接。

例如：


t1 = [[1, 2, 3], [4, 5, 6]]
t2 = [[7, 8, 9], [10, 11, 12]]
#按照第0维连接
tf.concat(0, [t1, t2]) ==> [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
#按照第1维连接
tf.concat(1, [t1, t2]) ==> [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]

tf.concat 的主要作用是将向量按指定维度连接，同时保持其余维度不变。在 1.0 版本之后，函数的调用方式发生了改变：


t1 = [[1, 2, 3], [4, 5, 6]]
t2 = [[7, 8, 9], [10, 11, 12]]
#按照第0维连接
tf.concat( [t1, t2]，0) ==> [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
#按照第1维连接
tf.concat([t1, t2]，1) ==> [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]

注意参数位置的变动。

tf.stack 函数用法说明

2. tf.stack 函数

用法：stack(values, axis=0, name="stack"):

"""将一组秩为 R 的张量堆叠成一个秩为 R+1 的张量。


x = tf.constant([1, 4])
y = tf.constant([2, 5])
z = tf.constant([3, 6])
tf.stack([x,y,z]) ==> [[1,4],[2,5],[3,6]]
tf.stack([x,y,z],axis=0) ==> [[1,4],[2,5],[3,6]]
tf.stack([x,y,z],axis=1) ==> [[1, 2, 3], [4, 5, 6]]

tf.stack 的功能是将一组 R 维张量转换为 R+1 维张量。需要注意的是，旧版本中的 tf.pack 已更名为 tf.stack。

tf.reshape 形状变换技巧

3. tf.reshape

用法：reshape(tensor, shape, name=None)：该函数主要用于改变张量的形状，支持从高维到低维或从低维到高维的转换。


a = tf.Variable(initial_value=[[1,2,3],[4,5,6]]) ==> shape:[2,3]
b = tf.Variable(initial_value=[[[1,2,3],[4,5,6]],[[7,8,9],[1,0,2]]]) ==> shape:[2,2,3]

a_1 = tf.reshape(a,[2,1,1,3]) ==> [[[[1,2,3]]],[[[4,5,6]]]]
a_2 = tf.reshape(a,[2,1,3]) ==> [[[1,2,3]],[[4,5,6]]]
b_1 = tf.reshape(b,[2,2,1,3]) ==> [[[[1,2,3]],[[4,5,6]]],[[[7,8,9]],[[1,0,2]]]]

new_1 = tf.concat([b_1,a_1],1)
new_2 = tf.reshape(tf.concat([b,a_2],1),[2,3,1,3])
"""
new_1:
[[[[1 2 3]]

 [[4 5 6]]

 [[1 2 3]]]


 [[[7 8 9]]

 [[1 0 2]]

 [[4 5 6]]]]
new_2；
[[[[1 2 3]]

 [[4 5 6]]

 [[1 2 3]]]


 [[[7 8 9]]

 [[1 0 2]]

 [[4 5 6]]]]

补充知识：关于 TensorFlow 中 reshape(tensor,[1,-1]) 和 reshape(tensor,[-1,1]) 的区别

其用法与 Python 中的 reshape 类似。


import tensorflow as tf
a = [[1,2],[3,4],[5,6]]
tf.reshape(a,[-1,1])
Out[13]: <tf.Tensor 'Reshape_4:0' shape=(6, 1) dtype=int32>
tf.reshape(tf.reshape(a,[-1,1]),[1,-1])
Out[14]: <tf.Tensor 'Reshape_6:0' shape=(1, 6) dtype=int32>

tf.reshape(tensor,[-1,1]) 将张量转换为一维列向量。

tf.reshape(tensor,[1,-1]) 将张量转换为一维行向量。

以上关于 TensorFlow 使用张量时的注意事项，包括 tf.concat、tf.reshape 和 tf.stack 的详解，就是本文分享的全部内容，希望能为大家提供参考。