keras中的K.concatenate()详解

keras中concatenate源代码如下:

def concatenate(tensors, axis=-1):
    """Concatenates a list of tensors alongside the specified axis.

    # Arguments
        tensors: list of tensors to concatenate.
        axis: concatenation axis.

    # Returns
        A tensor.
    """
    if axis < 0:
        rank = ndim(tensors[0])
        if rank:
            axis %= rank
        else:
            axis = 0

    if py_all([is_sparse(x) for x in tensors]):
        return tf.sparse_concat(axis, tensors)
    else:
        return tf.concat([to_dense(x) for x in tensors], axis)

可以看出keras的concatenate()函数是披了外壳的tf.concat()。不过用法没有tf.concat()那么复杂。对tf.concat()解释可以看我的另一篇博文《tf.concat()详解》，如果只想了解concatenate的用法，可以不用移步。

axis=n表示从第n个维度进行拼接，对于一个三维矩阵，axis的取值可以为[-3, -2, -1, 0, 1, 2]。虽然keras用模除允许axis的取值可以在这个范围之外，但不建议那么用。

可以通过如下小段代码来理解:

import numpy as np
import cv2
import keras.backend as K
import tensorflow as tf

t1 = K.variable(np.array([[[1, 2], [2, 3]], [[4, 4], [5, 3]]]))
t2 = K.variable(np.array([[[7, 4], [8, 4]], [[2, 10], [15, 11]]]))
d0 = K.concatenate([t1 , t2] , axis=-2)
d1 = K.concatenate([t1 , t2] , axis=1)
d2 = K.concatenate([t1 , t2] , axis=-1)
d3 = K.concatenate([t1 , t2] , axis=2)

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(d0))
    print(sess.run(d1))
    print(sess.run(d2))
    print(sess.run(d3))
    

axis=-2，意思是从倒数第2个维度进行拼接，对于三维矩阵而言，这就等同于axis=1。

axis=-1，意思是从倒数第1个维度进行拼接，对于三维矩阵而言，这就等同于axis=2。

输出如下:

d0:
[[[  1.   2.]
  [  2.   3.]
  [  7.   4.]
  [  8.   4.]]

 [[  4.   4.]
  [  5.   3.]
  [  2.  10.]
  [ 15.  11.]]]

d1:
[[[  1.   2.]
  [  2.   3.]
  [  7.   4.]
  [  8.   4.]]

 [[  4.   4.]
  [  5.   3.]
  [  2.  10.]
  [ 15.  11.]]]

d2:
[[[  1.   2.   7.   4.]
  [  2.   3.   8.   4.]]

 [[  4.   4.   2.  10.]
  [  5.   3.  15.  11.]]]

d3:
[[[  1.   2.   7.   4.]
  [  2.   3.   8.   4.]]

 [[  4.   4.   2.  10.]
  [  5.   3.  15.  11.]]]