tf.concat是連線兩個矩陣的操作

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

除去name引數用以指定該操作的name,與方法有關的一共兩個引數:

第一個引數concat_dim:必須是一個數,表明在哪一維上連線

     如果concat_dim是0,那麼在某一個shape的第一個維度上連,對應到實際,就是疊放到列上

  1. t1 = [[1, 2, 3], [4, 5, 6]]

  2. t2 = [[7, 8, 9], [10, 11, 12]]

  3. tf.concat(0, [t1, t2]) == > [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]

             如果concat_dim是1,那麼在某一個shape的第二個維度上連

  1. t1 = [[1, 2, 3], [4, 5, 6]]

  2. t2 = [[7, 8, 9], [10, 11, 12]]

  3. tf.concat(1, [t1, t2]) ==> [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12

             如果有更高維,最後連線的依然是指定那個維:

             values[i].shape = [D0, D1, ... Dconcat_dim(i), ...Dn]連線後就是:[D0, D1, ... Rconcat_dim, ...Dn]

  1. # tensor t3 with shape [2, 3]

  2. # tensor t4 with shape [2, 3]

  3. tf.shape(tf.concat(0, [t3, t4])) ==> [4, 3]

  4. tf.shape(tf.concat(1, [t3, t4])) ==> [2, 6]

第二個引數values:就是兩個或者一組待連線的tensor了

/×××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××/

這裡要注意的是:如果是兩個向量,它們是無法呼叫

tf.concat(1, [t1, t2])

來連線的,因為它們對應的shape只有一個維度,當然不能在第二維上連了,雖然實際中兩個向量可以在行上連,但是放在程式裡是會報錯的

如果要連,必須要呼叫tf.expand_dims來擴維:

  1. t1=tf.constant([1,2,3])

  2. t2=tf.constant([4,5,6])

  3. #concated = tf.concat(1, [t1,t2])這樣會報錯

  4. t1=tf.expand_dims(tf.constant([1,2,3]),1)

  5. t2=tf.expand_dims(tf.constant([4,5,6]),1)

  6. concated = tf.concat(1, [t1,t2])#這樣就是正確的