tensorflow-keras-Concatenate的理解

tensorflow.keras.layers.Concatenate的理解

这个是做两个数组的合并，到底是合并那一列？取决于 axis

axis=-1 表示倒数第一维

axis=0 表示第一维度

import os
import re
import sys
import numpy as np
import pprint
from tensorflow.keras.layers import *

def concat_v1():
    list1=[1,2,3,4]
    list2=[11,12,13,14,15,16,17,18]
    list99=[[1,2,3],[4,5,6]]
    x1=np.array(list1)
    x2=np.array(list2)
    x99=np.array(list99)
    print("-----------------------")
    print(x1.shape)
    #(4,)
    print(x2.shape)
    #(8,)
    print(x99.shape)

    print("-----------------------")
    print("axis=0")
    concate_dense_input = Concatenate(axis=0)([x1,x2])
    print(concate_dense_input)


    print("axis=-1")
    concate_dense_input2 = Concatenate(axis=-1)([x1,x2])
    print(concate_dense_input2)
    print(concate_dense_input2.shape)

    print("axis=1")
    concate_dense_input1 = Concatenate(axis=-1)([x1,x2])
    print(concate_dense_input1)
    print(concate_dense_input1.shape)

if __name__ == '__main__':
    concat_v1()

 由于 每个数组都是一维度，所以合并应该用 axis = -1 或者 axis=0 ，不然就报错

注意：如果在 keras项目中，使用这个 concatenate的时候，就要判断此时是否 把 batch_size传入了，如果传入了，一般 batch_size会在第一维度，一般情况下在 train() 函数里面，此时 batch_size都ready了。还是上面这个例子，如果要做合并的话，此时应该用 axis=1(因为 axis=0 是 batch_size了)