Concatenate

方如一

已于 2022-10-22 15:43:58 修改

阅读量109

点赞数

分类专栏： Keras 文章标签：矩阵线性代数

于 2022-06-19 17:31:46 首次发布

本文链接：https://blog.csdn.net/fwuyi/article/details/125352615

版权

Keras 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

这篇博客介绍了在 Keras 中使用 `K.concatenate` 函数进行张量堆叠的方法，通过示例展示了如何在不同维度(axis)上将两个形状相同的张量 a 和 b 堆叠在一起，得到 c1 至 c5 不同形状的结果。堆叠轴分别为 0、1、2 以及默认轴，详细解释了每个堆叠操作后的输出形状。

摘要由CSDN通过智能技术生成

keras中shape维度的堆叠

import numpy as np
import keras.backend as K
import tensorflow as tf

#a.shape=（2，2，2）
a = K.variable(np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])) 
#b.shape=（2，2，2）
b = K.variable(np.array([[[9, 10], [11, 12]], [[13, 14], [15, 16]]]))

不同维度axis堆叠

c1 = K.concatenate([a, b], axis=0) #c1.shape=（4，2，2）
c2 = K.concatenate([a, b], axis=1) #c2.shape=（2，4，2）
c3 = K.concatenate([a, b], axis=2) #c3.shape=（2，2，4）
c4 = K.concatenate([a, b]) #默认即从倒数第一个维度进行融合的，c4.shape=（2，2，4）
c5 = K.concatenate([a, b],axis=-1) #c5.shape=（2，2，4）