tf.concat(values,dims,names) 系统管理员 2023-06-04 08:58 9阅读 0赞 * ### tf.concat是连接两个矩阵的操作 ### tf.concat(concat_dim, values, name='concat') 除去name参数用以指定该操作的name，与方法有关的一共两个参数： * concat\_dim：必须是一个数，表明在哪一维上连接 如果concat\_dim是0，那么在某一个shape的第一个维度上连，对应到实际，就是叠放到列上 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，那么在某一个shape的第二个维度上连 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 如果有更高维，最后连接的依然是指定那个维： values\[i\].shape = \[D0, D1, ... Dconcat\_dim(i), ...Dn\]连接后就是：\[D0, D1, ... Rconcat\_dim, ...Dn\] # 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] * 参数values：就是两个或者一组待连接的tensor了 **注意**：如果是两个向量，它们是无法调用 tf.concat(1, \[t1, t2\])来连接的，因为它们对应的shape只有一个维度，当然不能在第二维上连了，虽然实际中两个向量可以在行上连，但是放在程序里是会报错的 如果要连，必须要调用**tf.expand\_dims**来扩维： t1=tf.constant([1,2,3]) t2=tf.constant([4,5,6]) #concated = tf.concat(1, [t1,t2])这样会报错 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])#这样就是正确的
还没有评论，来说两句吧...