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：

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