Python TensorFlow-3D张量，从2D张量和步长1中收集每N个张量

假设我在

[M，1]

中有一个

2D张量

T

T = tf.expand_dims([A1,
     B1,
     C1,
     A2,
     B2,
     C2], 1)

我想把它改造成这样：

T_reshp = [[[A1], [A2]]
           [[B1], [B2]]
           [[C1], [C2]]]

我事先知道

M

和

N

（每组张量的数量）。此外，在我尝试使用的

tf.reshape

T_reshp = tf.reshape(T, [P, N, 1])

然而，我最终得出以下结论：

T_reshp = [[[A1], [B1]]
           [[C1], [A2]]
           [[B2], [C2]]]

---

我可以使用一些切片或整形操作来进行此操作吗？

您可以先将其整形为尺寸

[N，p，1]

，然后

转置第一和第二轴：

tf.transpose(tf.reshape(T, [N, P, 1]), [1,0,2])
#                           ^^^^ switch the two dimensions here and then transpose


例如：

您可以先将其重塑为尺寸
[N，p，1]
，然后
转置第一和第二轴：

tf.transpose(tf.reshape(T, [N, P, 1]), [1,0,2])
#                           ^^^^ switch the two dimensions here and then transpose


例如：

优雅的解决方案！优雅的解决方案！