tf.concat

tf.concat(
values,
axis,
name=‘concat’
)

按一維連接張量。

沿著維度軸連接張量值的列表。如果values[i].shape=[D0, D1, … Daxis(i), …Dn]，則連接的結果具有形狀如下：

[D0, D1, … Raxis, …Dn]

在此

Raxis = sum(Daxis(i))

也就是說，來自輸入張量的數據沿著軸維度連接。

輸入張量的維數必須匹配，除軸外的所有維度必須相等。

例如：

#!/usr/bin/env python2 # -*- coding: utf-8 -*-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可以為負值。負軸（axis）x被解釋為從秩(rank)的末尾開始計數，即axis+rank(values)-Th維。

例如：

#!/usr/bin/env python2 # -*- coding: utf-8 -*-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：如果你在一個新的軸上連接，考慮使用堆棧。例如。

tf.concat([tf.expand_dims(t, axis) for t in tensors], axis)

可寫成

tf.stack(tensors, axis=axis)

參數:

values: 一個Tensor對象的列表或單個tensor
axis: 0-D int32 Tensor.沿著該軸連接，必須在 [-rank(values), rank(values))
在Pyhon中， axis的索引是基于0. 正軸在[0, rank(values))中稱為軸維。負軸是指axis + rank(values)-th維。
name: 操作名字（可選）
返回:

從input tensors連接而成的Tensor結果。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的tensorflow随笔 -tf.concat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。