インタフェーステンソルをマージし、分割するために使用するもので、まず見て：
スプライシングのために使用さtf.concatテンソル、テンソルを積み重ねるために使用tf.stack、セグメンテーションのために使用さテンソルtf.splitは、また、テンソルに使用tf.splitをtf.unstackセグメンテーション
1.tf.concat
Axisは、寸法がマージされるパラメータを表し
＃4つのクラス（クラス35、8人の被験者）のスコアの代表は、bが2クラススコア表すと仮定する tf.ones =（[4,35,8 ]） B = tf.ones（[2 35,8 ]） ＃を使用連結結果は6つのクラスを得マージ C = tf.concat（[B]、軸= 0）、 ＃（6,35,8） プリント（c.shape）を
2.tf.stack（新しい次元を作成します）
＃Bは、学校は、4つのクラス成果表すB、4つのクラス（クラス35、8人の被験者）のスコアが学校を表しているものと tf.ones =（[4,35,8 ]） B = TFを。もの（[4,35,8 ]） ＃スタックを使用して、結果は6つのクラスを得マージ C = tf.stack（[B]、軸= 0） ＃（2,4,35,8） プリント（Cを.shape）
3.tf.unstack（寸法に等分）
＃Bは、学校は、4つのクラス成果表すB、4つのクラス（クラス35、8人の被験者）のスコアが学校を表しているものと tf.ones =（[4,35,8 ]） B = TFを。もの（[4,35,8 ]） ＃スタックを使用して、結果は6つのクラスを得マージ C = tf.stack（[B]、軸= 0） ＃（2,4,35,8） プリント（Cを.shape） AA、BB = tf.unstack（C、軸= 0）、 ＃（4,35,8） プリント（aa.shape、bb.shape） RES = tf.unstack（C、軸= 3 ） ＃（2 、4,35） プリント（RES [0] .shape、RES [7] .shape）
4.tf.split（スケールブレーク）
＃Bは、学校は、4つのクラス成果表すB、4つのクラス（クラス35、8人の被験者）のスコアが学校を表しているものと tf.ones =（[4,35,8 ]） B = TFを。もの（[4,35,8 ]） ＃スタックを使用して、結果は6つのクラスを得マージ C = tf.stack（[B]、軸= 0） ＃（2,4,35,8） プリント（Cを.shape） RES = tf.split（C = 3つの軸num_or_size_splits = 2 ） ＃2、（2,4,35,4） プリント（LEN（RES）、RES [0] .shape、RES [1 ]。形状） RES = tf.split（C = 3軸num_or_size_splits = [2,2,4 ]） ＃3（2,4,35,2）（2,4,35,2）（2,4,35 、4） 印刷（LEN（RES）、[0] .shape、RES [1] .shape、RES [2] .shape RES）