tf.concat()详解

tensorflow中用来拼接张量的函数tf.concat()，用法:
tf.concat([tensor1, tensor2, tensor3,...], axis)

  t1 = [[1, 2, 3], [4, 5, 6]]
  t2 = [[7, 8, 9], [10, 11, 12]]
  t3 = tf.concat([t1, t2], 0)  # [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
  t4 = tf.concat([t1, t2], 1)  # [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]
  tf.shape(t3) # [4,3]
  tf.shape(t4) #[2,6]

理解这个axis:
axis=0 代表在第0个维度拼接
axis=1 代表在第1个维度拼接
对于一个二维矩阵，第0个维度代表最外层方括号所框下的子集，第1个维度代表内部方括号所框下的子集。维度越高，括号越小。

• 注意：tf.concat()拼接的张量只会改变一个维度，其他维度是保存不变的。
• 对于三维矩阵的拼接，自然axis取值范围是[0, 1, 2]。

对于axis等于负数的情况:
axis=-1表示倒数第一个维度，对于三维矩阵拼接来说，axis=-1等价于axis=2。