tensorflow函数tf.concat()

tf.concat()

作用：沿着某一维度合并张量
举例：

t1 = [[1, 2, 3], [4, 5, 6]]
t2 = [[7, 8, 9], [10, 11, 12]]

# 当axis = 0时 
print(tf.concat([t1, t2], 0))  
# [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]

# 当axis = 1时 
print(tf.concat([t1, t2], 1))  
# [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]

在举个例子：

# tensor t3 with shape [2, 3]
# tensor t4 with shape [2, 3]

tf.shape(tf.concat([t3, t4], 0))  
# [4, 3]

tf.shape(tf.concat([t3, t4], 1))  
# [2, 6]

可以看出来，按照axis = 0 时得到的张量shape就是将第一个位置上的两个2相加，后者不变。axis = 1 时得到的张量的shape就是将第二个位置上的两个3相加，前者不变。

更加普遍的有：

$$Values[i].shape=[D_0,D_1,...D_{axis(i)},...D_n]$$

得到的结果的

$$shape=[D_0,D_1,...R_{axis},...D_n]$$

其中

$$R_{axis}=sum(D_{axis(i)})$$