tensorflow-----张量的合并

张量的合并是指将多个张量在某个维度上合并为一个张量。合并操作又可以分为拼接（concat）和堆叠（stack）。
在tensorflow中的实现是：
tf.concat(values, axis, name=‘concat’)
解释就是：将张量列表values中的张量沿着维度axis拼接起来。有一点需要注意的是，张量列表values中的张量，要拼接的维度不一定要相等，但是其他的维度一定要相等。比如说tensor_1的维度是[4,4]，tensor_2的维度是[4,3]

import tensorflow as tf

tensor_1 = [[1,2,3,4], [1,2,3,4], [1,2,3,4], [1,2,3,4]]#shape = [4,4]
tensor_2 = [[1,2,3], [1,2,3], [1,2,3], [1,2,3]]#shape = [4,3]
t_c_0 = tf.concat([tensor_1, tensor_2], axis=0)
t_c_1 = tf.concat([tensor_1, tensor_2], axis=1)
#结果怎么样，复制到机器上运行看看。

t1 = [[1,2,3], [4,5,6]]#shape = [2,3]
t2 = [[7,8,9], [10,11,12]]#shape = [2,3]

#沿着维度0进行连接
t3 = tf.concat([t1,t2], axis=0)#shape = [4,3]
#t3 = [[1,2,3], [4,5,6], [7,8,9], [10,11,12]]

#沿着维度1进行连接
t4 = tf.concat([t1,t2], axis=1)#shape = [2,6]
#t4 = [[1,2,3,4,5,6], [7,8,9,10,11,12]]

tf.concat直接在现有的维度上面合并数据，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，也就是堆叠操作：
tf.stack(values, axis=0, name=‘stack’)
解释就是：将阶为R的张量堆叠成阶R+1的张量。将张量列表values中的张量，沿着维度axis堆叠。
假如给定的张量列表中张量的形状是(A,B,C)，
如果沿着axis=0堆叠，那么堆叠后的张量形状为(N,A,B,C)；
如果沿着axis=1堆叠，那么堆叠后的张量形状为(A,N,B,C)。
satck操作对维度的要求更加严格，要堆叠的张量，维度必须要完全一样。

import tensorflow as tf

x = tf.constant([1,4])#shape = (2)
y = tf.constant([2,5])#shape = (2)
z = tf.constant([3,6])#shape = (2)
#沿着默认的维度0进行堆叠
t3 = tf.concat([x,y,z])#shape = (3,2)，产生的一个新的维度
#t3 = [[1,4], [2,5], [3,6]]

#沿着维度1进行堆叠
t4 = tf.stack([x,y,z], axis=1)#shape = (2,3)
#t4 = [[1,2,3], [4,5,6]]
#至于这个堆叠过程，我觉得：如果要操作的维度不是0的话，就把原来的张量合并为一个[1,x]的张量，然后再划分为(org_dim, new_dim)

参考：
1、Tensorflow深度学习实战大全。李明军 著
2、Tensorflow2深度学习。龙龙老师 著