最近在看RNN時，對tf.unpack()維度變化不瞭解，經過試驗大致瞭解了維度的變化

構造三維資料分佈如下圖所示：

情況一：

import tensorflow as tf
a = tf.constant([[[1,1,1],[1,1,1]],
                [[2,2,2],[2,2,2]],
                [[3,3,3],[3,3,3]],
                [[4,4,4],[4,4,4]],
                [[5,5,5],[5,5,5]]])
d = tf.unstack(a,5,axis=0)
with tf.Session() as sess:
        #print
 
(sess.run(c))
        print(sess.run(d))
        #print(sess.run(e))

結果

相當於用五個平面切割z軸，會得到5個平面
[array([[1, 1, 1],
[1, 1, 1]], dtype=int32), array([[2, 2, 2],
[2, 2, 2]], dtype=int32), array([[3, 3, 3],
[3, 3, 3]], dtype=int32), array([[4, 4, 4],
[4, 4, 4]], dtype=int32), array([[5, 5, 5],
[5, 5, 5]], dtype=int32)]

情況二：

import tensorflow as tf
a = tf.constant([[[1,1,1],[1,1,1]],
                [[2,2,2],[2,2,2]],
                [[3,3,3],[3,3,3]],
                [[4,4,4],[4,4,4]],
                [[5,5,5],[5,5,5]]])
d = tf.unstack(a,2,axis=1)
with tf.Session() as sess:
        #print(sess.run(c))
        print
 
(sess.run(d))
        #print(sess.run(e))

結果：

相當於用兩個平面切割x軸，會得到2個平面
[array([[1, 1, 1],
[2, 2, 2],
[3, 3, 3],
[4, 4, 4],
[5, 5, 5]], dtype=int32), array([[1, 1, 1],
[2, 2, 2],
[3, 3, 3],
[4, 4, 4],
[5, 5, 5]], dtype=int32)]

情況三：

import tensorflow as tf
a = tf.constant([[[1,1,1],[1,1,1]],
                [[2,2,2],[2,2,2]],
                [[3,3,3],[3,3,3]],
                [[4,4,4],[4,4,4]],
                [[5,5,5],[5,5,5]]])
d = tf.unstack(a,3,axis=2)
with tf.Session() as sess:
        #print(sess.run(c))
        print(sess.run(d))
        #print(sess.run(e))

結果：

相當於用三個平面切割x軸，會得到3個平面
[array([[1, 1],
[2, 2],
[3, 3],
[4, 4],
[5, 5]], dtype=int32), array([[1, 1],
[2, 2],
[3, 3],
[4, 4],
[5, 5]], dtype=int32), array([[1, 1],
[2, 2],
[3, 3],
[4, 4],
[5, 5]], dtype=int32)]