stack
沿 axis 轴对输入 x 进行堆叠操作。要求所有输入 Tensor 有相同的 Shape 和数据类型。 例如，输入 x 为 N 个 Shape 为 [A, B]的 Tensor，如果 axis==0，则输出 Tensor 的 Shape 为 [N, A, B]；如果 axis==1，则输出 Tensor 的 Shape 为 [A, N, B]；以此类推。
Case 1:
Input:
x[0].shape = [1, 2]
x[0].data = [ [1.0 , 2.0 ] ]
x[1].shape = [1, 2]
x[1].data = [ [3.0 , 4.0 ] ]
x[2].shape = [1, 2]
x[2].data = [ [5.0 , 6.0 ] ]
Attrs:
axis = 0
Output:
Out.dims = [3, 1, 2]
Out.data =[ [ [1.0, 2.0] ],
[ [3.0, 4.0] ],
[ [5.0, 6.0] ] ]
Case 2:
Input:
x[0].shape = [1, 2]
x[0].data = [ [1.0 , 2.0 ] ]
x[1].shape = [1, 2]
x[1].data = [ [3.0 , 4.0 ] ]
x[2].shape = [1, 2]
x[2].data = [ [5.0 , 6.0 ] ]
Attrs:
axis = 1 or axis = -2 # If axis = -2, axis = axis+ndim(x[0])+1 = -2+2+1 = 1.
Output:
Out.shape = [1, 3, 2]
Out.data =[ [ [1.0, 2.0]
[3.0, 4.0]
[5.0, 6.0] ] ]
图解说明（一）：
下图展示了示例一中的情形——三个形状为[1, 2]的二维张量通过 stack 操作，在 axis = 0 的维度上堆叠为形状为[3, 1, 2]的三维张量。
图解说明（二）：
下图展示了如下所述情形——三个形状为[2, 2]的二维张量通过 stack 操作，在 axis = 1 的维度上堆叠为形状为[2, 3, 2]的三维张量。
参数
x (list[Tensor]|tuple[Tensor]) – 输入 x 是多个 Tensor，且这些 Tensor 的维度和数据类型必须相同。支持的数据类型：float32、float64、int32、int64。别名
input。axis (int，可选) – 指定对输入 Tensor 进行堆叠运算的轴，有效 axis 的范围是：[−(R+1),R+1)，R 是输入中第一个 Tensor 的维数。如果 axis < 0，则 axis=axis+R+1。默认值为 0。别名
dim。name (str，可选) - 具体用法请参见 api_guide_Name，一般无需设置，默认值为 None。
关键字参数
out (Tensor，可选) - 输出 Tensor，若不为
None，计算结果将保存在该 Tensor 中，默认值为None。
返回
堆叠运算后的 Tensor，数据类型与输入 Tensor 相同。
代码示例
>>> import paddle
>>> x1 = paddle.to_tensor([[1.0, 2.0]])
>>> x2 = paddle.to_tensor([[3.0, 4.0]])
>>> x3 = paddle.to_tensor([[5.0, 6.0]])
>>> out = paddle.stack([x1, x2, x3], axis=0)
>>> print(out.shape)
[3, 1, 2]
>>> print(out)
Tensor(shape=[3, 1, 2], dtype=float32, place=Place(cpu), stop_gradient=True,
[[[1., 2.]],
[[3., 4.]],
[[5., 6.]]])
>>> out = paddle.stack([x1, x2, x3], axis=-2)
>>> print(out.shape)
[1, 3, 2]
>>> print(out)
Tensor(shape=[1, 3, 2], dtype=float32, place=Place(cpu), stop_gradient=True,
[[[1., 2.],
[3., 4.],
[5., 6.]]])
>>> # zero-size tensors
>>> x1 = paddle.ones([0, 1, 2])
>>> x2 = paddle.ones([0, 1, 2])
>>> out = paddle.stack([x1, x2], axis=0)
>>> print(out.shape)
[2, 0, 1, 2]
>>> print(out)
Tensor(shape=[2, 0, 1, 2], dtype=float32, place=Place(cpu), stop_gradient=True,
[[],
[]])
>>> out = paddle.stack([x1, x2], axis=1)
>>> print(out.shape)
[0, 2, 1, 2]
>>> print(out)
Tensor(shape=[0, 2, 1, 2], dtype=float32, place=Place(cpu), stop_gradient=True,
[])