tf.concat()函数的用法

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)