tf.concat是连接两个矩阵的操作
tf.concat(values,
concat_dim,
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和values
concat_dim表示你在哪个维度上进行连接,他是整数,从0开始计数,0表示第一个维度,1表示第二个维度......
values是一个列表。列表里面是要连接的矩阵或者数组。
我理解的要点是,在哪个维度上连接,那么这个维度肯定会增加。
看下面的例子: t1 = [[1, 2, 3], [4, 5, 6]] #2*3维 t2 = [[7, 8, 9], [10, 11, 12]] #2*3维 tf.concat([t1, t2],0) == > [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]] #在第一个维度上连接,那么第一个维度肯定增加,也就是行会增多。结果是4*3维矩阵 x=tf.ones((3,2,2)) C=[x,x,x] print(tf.concat(C,2).shape) #再看这个例子,三维矩阵的连接,在第3个维度上,也就是concat_dim=2 #结果第三个维度会增加,也就是(3,2,6)