Arrays 如何在Tensorflow中保持堆叠张量

目标是用一个匹配的形状附加2个张量

import tensorflow as tf 
x = tf.constant([1, 4]) 
y = tf.constant([2, 5]) 
z = tf.constant([3, 6]) 
res = tf.stack([x, y],axis=0)
print(res)
->tf.Tensor(
  [[1 4]
  [2 5]], shape=(2, 2), dtype=int32)
print(z)
->tf.Tensor([3 6], shape=(2,), dtype=int32)
result = tf.stack((res, z),axis=1)
->tensorflow.python.framework.errors_impl.InvalidArgumentError: Shapes of all inputs must match: values[0].shape = [2,2] != values[1].shape = [2] [Op:Pack] name: stack

我所期望的

print(result)
->->tf.Tensor(
  [[1 4]
  [2 5]
  [3,6]], shape=(2, 3), dtype=int32)

---

我尝试了不同的concat和stack组合。这是怎么可能的？

第一个

tf.stack

工作，因为所有的输入张量

x，y，z

具有相同的形状

（2，）

。第二个

tf.stack

将不起作用，因为我们正在处理不同形状的张量

为了连接它们，可以使用

tf.concat

，但要调整张量形状：

#res是形状（2,2）
z=tf.expand_dims（z，轴=0）#形状现在是（1，2）而不是（2，）
结果=tf.concat（（res，z），轴=0）#形状匹配，轴0除外
打印（结果）

这会回来的

tf.Tensor(
[[1 4]
[2 5]
[3,6]]，形状=（3,2），数据类型=int32）