tf.concat是連接兩個矩陣的操作

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

除去name參數(shù)用以指定該操作的name，與方法有關(guān)的一共兩個參數(shù)：

第一個參數(shù)concat_dim：必須是一個數(shù)，表明在哪一維上連接

???? 如果concat_dim是0，那么在某一個shape的第一個維度上連，對應(yīng)到實際，就是疊放到列上

[python]?view plain?copy

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

t2?=?[[7,?8,?9],?[10,?11,?12]]??

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

???????????? 如果 concat_dim是1，那么在某一個shape的第二個維度上連

[python]?view plain?copy

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

t2?=?[[7,?8,?9],?[10,?11,?12]]??

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

???????????? 如果有更高維，最后連接的依然是指定那個維：

???????????? values[i].shape = [D0, D1, ... Dconcat_dim(i), ...Dn]連接后就是：[D0, D1, ... Rconcat_dim, ...Dn]

[python]?view plain?copy

#?tensor?t3?with?shape?[2,?3]??

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

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

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

第二個參數(shù)values：就是兩個或者一組待連接的tensor了

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

這里要注意的是：如果是兩個向量，它們是無法調(diào)用

[python]?view plain?copy

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

來連接的，因為它們對應(yīng)的shape只有一個維度，當(dāng)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，但是放在程序里是會報錯的

如果要連，必須要調(diào)用tf.expand_dims來擴(kuò)維：

[python]?view plain?copy

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

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

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

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

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

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

tensorflow 1.0.1中 concated = tf.concat(1, [t1,t2])需要改成concated = tf.concat( [t1,t2]，1)，參數(shù)的順序變了

總結(jié)

以上是生活随笔為你收集整理的【TensorFlow】tf.concat的用法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。