TensorFlow：合并与分割

一、合并

合并是指将多个张量在某个维度上合并为一个张量。
以某学校班级成绩册数据为例，设张量A 保存了某学校1-4 号班级的成绩册，每个班级35 个学生，共8 门科目，则张量A的shape 为：[4,35,8]；同样的方式，张量B 保存了剩下的6 个班级的成绩册，shape 为[6,35,8]。通过合并2 个成绩册，便可得到学校所有班级的成绩册张量C，shape 应为[10,35,8]。
这就是张量合并的意义所在。

张量的合并可以使用拼接(Concatenate)和堆叠(Stack)操作实现，拼接并不会产生新的维度，而堆叠会创建新维度。选择使用拼接还是堆叠操作来合并张量，取决于具体的场景是否需要创建新维度。

1. 拼接

在TensorFlow 中，可以通过tf.concat(tensors, axis)，其中tensors 保存了所有需要合并的张量List，axis 指定需要合并的维度。

回到上面的例子，这里班级维度索引号为0，即axis=0，合并张量A,B 如下：

除了可以在班级维度上进行合并，还可以在其他维度上合并张量。考虑张量A 保存了所有班级所有学生的前4 门科目成绩，shape 为[10,5,4]，张量B 保存了剩下的4 门科目成绩，shape 为[10,5,4]，则可以合并shape 为[10,5,8]的总成绩册张量:

合并操作可以在任意的维度上进行，唯一的约束是非合并维度的长度必须一致

2. 堆叠

tf.concat 直接在现有维度上面合并数据，并不会创建新的维度。
如果在合并数据时，希望创建一个新的维度，则需要使用tf.stack 操作

考虑张量A 保存了某个班级的成绩册，shape 为[35,8]，张量B 保存了另一个班级的成绩册，shape 为[35,8]。合并这2 个班级的数据时，需要创建一个新维度，定义为班级维度，新维度可以选择放置在任意位置，一般根据大小维度的经验法则，将较大概念的班级维度放置在学生维度之前，则合并后的张量的新shape 应为[2,35,8]。

使用 tf.stack(tensors, axis)可以合并多个张量tensors，其中axis 指定插入新维度的位置，axis 的用法与tf.expand_dims 的一致，当axis ≥ 0时，在axis 之前插入;当axis < 0时，在axis 之后插入新维度。例如shape 为[𝑏, 𝑐, ℎ, 𝑤]的张量，在不同位置通过stack 操作插入新维度，axis 参数对应的插入位置设置如图

二、分割

合并操作的逆过程就是分割，将一个张量分拆为多个张量。
继续考虑成绩册的例子，我们得到整个学校的成绩册张量，shape 为[10,35,8]，现在需要将数据在班级维度切割为10 个张量，每个张量保存了对应班级的成绩册。

通过 tf.split(x, axis, num_or_size_splits)可以完成张量的分割操作，其中
x：待分割张量
axis：分割的维度索引号
num_or_size_splits：切割方案。当num_or_size_splits 为单个数值时，如10，表示切割为10 份；当num_or_size_splits 为List 时，每个元素表示每份的长度，如[2,4,2,2]表示切割为4 份，每份的长度分别为2,4,2,2

还可以进行不定长切割比如这里将 x 切割为 2 份，每份长度为[1,2]