tf.unstack
原型：
unstack(
value,
num=None,
axis=0,
name='unstack' )
官方解释：https://tensorflow.google.cn/api_docs/python/tf/unstack
解释：这是一个对矩阵进行分解的函数，以下为关键参数解释：
value：代表需要分解的矩阵变量（其实就是一个多维数组，一般为二维）；
axis：指明对矩阵的哪个维度进行分解。
要理解tf.unstack函数，我们不妨先来看看tf.stack函数。Tf.stack刚好是与tf.unstack函数相反，前者是对矩阵进行拼接，后者则对矩阵进行分解。
Tf.stack用法举例：假如现在有两个变量，a=[1, 2, 3]，b=[4, 5, 6]，现在我要使用tf.stack对他们进行拼接，变成一个二维矩阵[ [1, 2, 3], [4, 5, 6] ]。代码【示例1】如下：
【示例1】
import tensorflow as tf
a = tf.constant([1, 2, 3])
b = tf.constant([4, 5, 6])
c = tf.stack( [a,b], axis=0)
with tf.Session() as sess:
print(sess.run(c))
输出结果是：
[[1 2 3]
[4 5 6]]
此时，我如果把【示例1】里面的tf.stack参数axis=0改成1，运行结果如下：
[[1 4]
[2 5]
[3 6]]
可以理解，axis作用就是指明以何种方式对矩阵进行拼接，说白了，就是对原矩阵的哪个维度进行拼接。
理解了tf.stack，tf.unstack也就不难理解了。比如说现在有变量c，如下：
c=[[1 2 3]
[4 5 6]]
现在要对c进行分解，代码如下：
import tensorflow as tf
c = tf.constant([[1, 2, 3],
[4, 5, 6]])
d = tf.unstack(c, axis=0)
e = tf.unstack(c, axis=1)
with tf.Session() as sess:
print(sess.run(d))
print(sess.run(e))
结果如下：
[array([1, 2, 3]), array([4, 5, 6])]
[array([1, 4]), array([2, 5]), array([3, 6])]
可以看出来，tf.unstack其实就是在做与tf.stack相反的事情。这样一来，你是不是恍然大悟了呢？
