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)