版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u010255642/article/details/82454601
tf.concat
tf.concat(
values,
axis,
name='concat'
)
按一维连接张量。
沿着维度轴连接张量值的列表。如果values[i].shape=[D0, D1, ... Daxis(i), ...Dn],则
连接的结果具有形状如下:
[D0, D1, ... Raxis, ...Dn]
在此
Raxis = sum(Daxis(i))
也就是说,来自输入张量的数据沿着轴维度连接。
输入张量的维数必须匹配,除轴外的所有维度必须相等。
例如:
#!/usr/bin/env python2
# -*- coding: utf-8 -*-
"""
Created on Thu Sep 6 10:16:37 2018
@author: myhaspl
"""
t1 = [[1, 2, 3], [4, 5, 6]]
t2 = [[7, 8, 9], [10, 11, 12]]
a=tf.concat([t1, t2], 0)
b=tf.concat([t1, t2], 1)
sess=tf.Session()
with sess:
print sess.run(a)
print sess.run(b)
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]
[[ 1 2 3 7 8 9]
[ 4 5 6 10 11 12]]
在python中,axis可以为负值。负轴(axis
)x被解释为从秩(rank)的末尾开始计数,即axis
+rank(values)-Th维。
例如:
#!/usr/bin/env python2
# -*- coding: utf-8 -*-
"""
Created on Thu Sep 6 10:16:37 2018
@author: myhaspl
"""
import tensorflow as tf
t1 = [[[1, 2], [2, 3]], [[4, 4], [5, 3]]]
t2 = [[[7, 4], [8, 4]], [[2, 10], [15, 11]]]
a=tf.concat([t1, t2], -1)
sess=tf.Session()
with sess:
print sess.run(a)
[[[ 1 2 7 4]
[ 2 3 8 4]]
[[ 4 4 2 10]
[ 5 3 15 11]]]
注意:如果你在一个新的轴上连接,考虑使用堆栈。例如。
tf.concat([tf.expand_dims(t, axis) for t in tensors], axis)
可写成
tf.stack(tensors, axis=axis)
参数:
values
: 一个Tensor对象的列表或单个tensoraxis
: 0-Dint32
Tensor
.沿着该轴连接,必须在[-rank(values), rank(values))
在Pyhon中,
axis的索引是基于0. 正轴在[0, rank(values))中称为轴维。负轴是指axis + rank(values)-th维。name
: 操作名字(可选)
返回:
从input tensors连接而成的Tensor结果。