tensorflow-tf.concat

tf.concat

tf.concat(
    values,
    axis,
    name='concat'
)

按一维连接张量。

沿着维度轴连接张量值的列表。如果values[i].shape=[D0, D1, ... Daxis(i), ...Dn]，则连接的结果具有形状如下：

[D0, D1, ... Raxis, ...Dn]

在此

Raxis = sum(Daxis(i))

也就是说，来自输入张量的数据沿着轴维度连接。

输入张量的维数必须匹配，除轴外的所有维度必须相等。

例如：

#!/usr/bin/env python2
# -*- coding: utf-8 -*-
"""
Created on Thu Sep  6 10:16:37 2018

@author: myhaspl
"""
t1 = [[1, 2, 3], [4, 5, 6]]
t2 = [[7, 8, 9], [10, 11, 12]]
a=tf.concat([t1, t2], 0)  
b=tf.concat([t1, t2], 1)  
sess=tf.Session()
with sess:
    print sess.run(a)
    print sess.run(b)

[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]
[[ 1 2 3 7 8 9]
[ 4 5 6 10 11 12]]

在python中，axis可以为负值。负轴（axis）x被解释为从秩(rank)的末尾开始计数，即axis+rank(values)-Th维。

例如：

#!/usr/bin/env python2
# -*- coding: utf-8 -*-
"""
Created on Thu Sep  6 10:16:37 2018

@author: myhaspl
"""
import tensorflow as tf
t1 = [[[1, 2], [2, 3]], [[4, 4], [5, 3]]]
t2 = [[[7, 4], [8, 4]], [[2, 10], [15, 11]]]
a=tf.concat([t1, t2], -1)
sess=tf.Session()
with sess:
    print sess.run(a)

[[[ 1 2 7 4]
[ 2 3 8 4]]

[[ 4 4 2 10]
[ 5 3 15 11]]]

注意：如果你在一个新的轴上连接，考虑使用堆栈。例如。

tf.concat([tf.expand_dims(t, axis) for t in tensors], axis)

可写成

tf.stack(tensors, axis=axis)

参数:

values: 一个Tensor对象的列表或单个tensor
axis:  0-D int32 Tensor.沿着该轴连接，必须在 [-rank(values), rank(values))
在Pyhon中， axis的索引是基于0. 正轴在[0, rank(values))中称为轴维。负轴是指axis + rank(values)-th维。
name: 操作名字（可选）
返回:

从input tensors连接而成的Tensor结果。