【Deep Learning】Tensor的合并及拆分

前段时间在实现BeautyGAN时，生成器中公共的残差块部分使用两个共享参数的残差块分支实现，跟论文有所出入，应该是一个分支，将两个分支的输入feature map合并为1个张量即可，对张量的合并和拆分操作简单做一下笔记。

Tensor的合并

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

values：输入的张量

axis：待合并的维度

官方示例：

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

Tensor的拆分

tf.split(value, num_or_size_splits, axis=0, num=None, name="split")

value：待拆分的张量

num_or_size_splits：拆分的批量大小

1）若为整数n，则将待拆分的维度均匀拆分为n个张量，待拆分维度的shape要是n的整数倍；

2）若为一维数组[n1, n2, ...]，则其size表示拆分后的张量个数，第i个数表示第i个张量对应维度的值。

axis：待拆分的维度

官方示例：

  # 'value' is a tensor with shape [5, 30]
  # Split 'value' into 3 tensors with sizes [4, 15, 11] along dimension 1
  split0, split1, split2 = tf.split(value, [4, 15, 11], 1)
  tf.shape(split0)  # [5, 4]
  tf.shape(split1)  # [5, 15]
  tf.shape(split2)  # [5, 11]
  # Split 'value' into 3 tensors along dimension 1
  split0, split1, split2 = tf.split(value, num_or_size_splits=3, axis=1)
  tf.shape(split0)  # [5, 10]