Tensorflow深度学习笔记之合并与分割

看本文之前，建议先学习张量的基础知识，如创建张量，张量的典型应用。索引和切片，简单的维度变换等。我们来进行下一步的学习，张量的合并与分割。当然TensorFlow的知识不止这一点，但由于相关的知识有些冗杂，范数统计，张量的比较，张量的填充和限幅就放在下几篇文章里来写。

1合并与分割

1.1合并

合并是指将多个张量在某个维度上合并为一个张量。我们分别设置我们的张量A,B。

a = tf.random.normal([5,20,8])
b = tf.random.normal([7,20,8])

这样可能有点难以理解，那我们把张量生活化，赋予它实际的意义。
张量A保存了某销售公司1-5号部门的销售业绩报告，每个部门共20名职工，共有8个业绩指标，则为张量A的shape为：[5,20,8]。
同理，张量B保存了某销售公司另外7个部门的销售业绩报告，每个部门共20名职工，共有8个业绩指标，则张量B的shape[7,20,8]。
通过合并这两份销售业绩报告，便可以得到此销售公司所有部门的销售业绩报告，记为张量C，shape即为[12,20,8]，这样，张量C也变得容易理解，其中，