tf.concat
tf.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：
[[ 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tensor
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。