Python tf.concat用法及代码示例

沿一维连接张量。

用法

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

参数

values Tensor 对象的列表或单个 Tensor 。
axis 0-D int32 Tensor 。要连接的维度。必须在 [-rank(values), rank(values)) 范围内。与 Python 中一样，轴的索引是从 0 开始的。 [0, rank(values)) 范围内的正轴指的是axis -th 维度。负轴是指axis + rank(values) -th 维度。
name 操作的名称(可选)。

由输入张量串联产生的Tensor。

另见tf.tile、tf.stack、tf.repeat。

沿维度 axis 连接张量列表 values 。如果 values[i].shape = [D0, D1, ... Daxis(i), ...Dn] ，则连接结果具有形状

[D0, D1, ... Raxis, ...Dn]

其中

Raxis = sum(Daxis(i))

也就是说，来自输入张量的数据沿 axis 维度连接。

输入张量的维数必须匹配，除axis之外的所有维数必须相等。

例如：

t1 = [[1, 2, 3], [4, 5, 6]]
t2 = [[7, 8, 9], [10, 11, 12]]
tf.concat([t1, t2], 0)
<tf.Tensor:shape=(4, 3), dtype=int32, numpy=
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [ 7,  8,  9],
       [10, 11, 12]], dtype=int32)>

tf.concat([t1, t2], 1)
<tf.Tensor:shape=(2, 6), dtype=int32, numpy=
array([[ 1,  2,  3,  7,  8,  9],
       [ 4,  5,  6, 10, 11, 12]], dtype=int32)>

在 Python 中，axis 也可以是负数。负数 axis 被解释为从排名末尾开始计数，即 axis + rank(values) -th 维度。

例如：

t1 = [[[1, 2], [2, 3]], [[4, 4], [5, 3]]]
t2 = [[[7, 4], [8, 4]], [[2, 10], [15, 11]]]
tf.concat([t1, t2], -1)
<tf.Tensor:shape=(2, 2, 4), dtype=int32, numpy=
  array([[[ 1,  2,  7,  4],
          [ 2,  3,  8,  4]],
         [[ 4,  4,  2, 10],
          [ 5,  3, 15, 11]]], dtype=int32)>

注意：如果您沿新轴连接，请考虑使用堆栈。例如：

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

可以改写为

tf.stack(tensors, axis=axis)

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.concat。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法

参数

返回

例如：

例如：