tf.concat()函数解析
tf.concat()函数用于数组或者矩阵拼接。tf.concat的官方解释tf.concat( values, axis, name='concat')[*]1
[*]2
[*]3
[*]4
[*]5
其中：
values应该是一个tensor的list或者tuple，里面是准备连接的矩阵或者数组。axis则是我们准备连接的矩阵或者数组的维度。
[*]axis=0代表在第0个维度拼接
[*]axis=1代表在第1个维度拼接
[*]axis=-1表示在倒数第1个维度拼接
负数在数组索引里面表示倒数，也就算是倒着数，-1是最后一个，-2是倒数第二个，对于二维矩阵拼接来说，axis=-1等价于axis=1。一般在维度非常高的情况下，if 我们想在最’高’的维度进行拼接，一般就直接用倒数机制，直接axis=-1就搞定了。1. values:import tensorflow as tft1=tf.constant([1,2,3)t2=tf.constant([4,5,6)print(t1)print(t2)concated = tf.concat([t1,t2, 1)> Tensor("Const_20:0", shape=(3,), dtype=int32)> Tensor("Const_21:0", shape=(3,), dtype=int32)> ValueError: Shapes (2, 3) and () are incompatible
[*]1
[*]2
[*]3
[*]4
[*]5
[*]6
[*]7
[*]8
[*]9
[*]10
[*]11
因为它们对应的shape只有一个维度，当然不能在第二维上拼接了，虽然实际中两个向量可以在行上(axis = 1)拼接，但是放在程序里是会报错的import tensorflow as tft1=tf.expand_dims(tf.constant([1,2,3),1)t2=tf.expand_dims(tf.constant([4,5,6),1)print(t1)print(t2)concated = tf.concat([t1,t2, 1)> Tensor("ExpandDims_26:0", shape=(3, 1), dtype=int32)> Tensor("ExpandDims_27:0", shape=(3, 1), dtype=int32)
[*]1
[*]2
[*]3
[*]4
[*]5
[*]6
[*]7
[*]8
[*]9
[*]10
如果想要拼接，必须要调用tf.expand_dims()来扩维：2. axis:第0个维度代表最外面的括号所在的维度，第1个维度代表最外层括号里面的那层括号所在的维度，以此类推。import tensorflow as tfwith tf.Session() as sess: t1 = [[1, 2, 3,[4, 5, 6 t2 = [[7, 8, 9,[10, 11, 12 print(sess.run(tf.concat([t1, t2, 0)))>[[ 123 [ 456 [ 789 [10 11 12 print(sess.run(tf.concat([t1, t2, 1)))>[[ 123789 [ 456 10 11 12 print(sess.run(tf.concat([t1, t2, -1)))>[[ 123789 [ 456 10 11 12
页:
[1]