最近看影象語義分割的相關論文，裡面需要用到層間的合併，例子大多是用keras給出的，以前沒接觸過層合併的函式，特意去查了下tf和keras分別用什麼函式實現的。keras.backend.concatenate 與 tf.concat等價。keras的concatenate直接用的網上的例子，tf是我自己寫的，與keras例子裡的資料保持一致。

import numpy as np
import cv2
import keras.backend as K
import tensorflow as tf

a = K.variable(np.array([[1 , 2, 3]])
 
)
b = K.variable(np.array([[3 , 2, 1]]))
c1 = K.concatenate([a , b] , axis=0)
c2 = K.concatenate([a , b] , axis=-1)

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(c1))
    print(sess.run(c2))

對應的tf版本

import numpy as np
import tensorflow as
 
 tf

a=tf.constant(np.array([[1 , 2, 3]]))
b=tf.constant(np.array([[3,2,2]]))
c1=tf.concat([a,b],axis=0)
c2=tf.concat([a,b],axis=1)

sess=tf.Session()
sess.run(tf.global_variables_initializer())
sess.run(c1)
Out[10]: 
array([[1, 2, 3],
       [3, 2, 2]])
sess.run(c2)
Out[11]: array([[1, 2, 3, 3, 2, 2]
 
])

改成實際執行中帶通道的格式

a=tf.constant(np.array([[[1] , [2], [3]]]))
b=tf.constant(np.array([[[3], [2], [2]]]))
c3=tf.concat([a,b],axis=0)
c4=tf.concat([a,b],axis=-1)
sess.run(c3)
Out[20]: 
array([[[1],
        [2],
        [3]],
       [[3],
        [2],
        [2]]])
sess.run(c4)
Out[21]: 
array([[[1, 3],
        [2, 2],
        [3, 2]]])

這樣就很容易理解了