tensorflow中用來拼接張量的函數tf.concat()，用法:

tf.concat([tensor1, tensor2, tensor3,...], axis)

先給出tf源代碼中的解釋:

t1 = [[1, 2, 3], [4, 5, 6]]
t2 = [[7, 8, 9], [10, 11, 12]]
tf.concat([t1, t2], 0)  # [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
tf.concat([t1, t2], 1)  # [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]
 
  # tensor t3 with shape [2, 3]
  # tensor t4 with shape [2, 3]
tf.shape(tf.concat([t3, t4], 0))  # [4, 3]
tf.shape(tf.concat([t3, t4], 1))  # [2, 6]

這里解釋了當axis=0和axis=1的情況，怎么理解這個axis呢？其實這和numpy中的np.concatenate()用法是一樣的。

axis=0? ? ?代表在第0個維度拼接

axis=1? ? ?代表在第1個維度拼接?

對于一個二維矩陣，第0個維度代表最外層方括號所框下的子集，第1個維度代表內部方括號所框下的子集。維度越高，括號越小。

對于這種情況，我可以再解釋清楚一點:?

對于[ [ ], [ ]]和[[ ], [ ]]，低維拼接等于拿掉最外面括號，高維拼接是拿掉里面的括號(保證其他維度不變)。注意：tf.concat()拼接的張量只會改變一個維度，其他維度是保存不變的。比如兩個shape為[2,3]的矩陣拼接，要么通過axis=0變成[4,3]，要么通過axis=1變成[2,6]。改變的維度索引對應axis的值。

這樣就可以理解多維矩陣的拼接了，可以用axis的設置來從不同維度進行拼接。?

對于三維矩陣的拼接，自然axis取值范圍是[0, 1, 2]。

對于axis等于負數的情況

負數在數組索引里面表示倒數(countdown)。比如，對于列表ls = [1,2,3]而言，ls[-1] = 3，表示讀取倒數第一個索引對應值。

axis=-1表示倒數第一個維度，對于三維矩陣拼接來說，axis=-1等價于axis=2。同理，axis=-2代表倒數第二個維度，對于三維矩陣拼接來說，axis=-2等價于axis=1。

一般在維度非常高的情況下，我們想在最'高'的維度進行拼接，一般就直接用countdown機制，直接axis=-1就搞定了。

總結

以上是生活随笔為你收集整理的tf.concat()详解的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。