np的concatenate与tensorflow的concatenate

numpy数组拼接函数concatenate与tensorflow的拼接函数concatenate效果应该是一样的，这是我根据这篇博文的推断。为什么推断呢，因为按照该博主的代码不能看到结果，于是改用numpy来输出结果。
当数据是二维数组：

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
c= np.concatenate((a, b), axis=0)  #按照行合并，列数不变行数增加
d= np.concatenate((a, b), axis=1)  #按照列合并，行数不变列数增加
print(d)

结果是：

这里axis=0时会在第一维进行拼接，其他维度大小不变，同理axis=1时只有第二维上数据会拼接。
当数据是3维时：

import numpy as np


t1 = np.array([[[1, 2], [2, 3]], [[4, 4], [5, 3]]])
t2 = np.array([[[7, 4], [8, 4]], [[2, 10], [15, 11]]])

d0 = np.concatenate([t1, t2], axis=0)  #第一维变长，二三维不变
d1 = np.concatenate([t1, t2], axis=1)   #第二维变长，一三维不变
d2 = np.concatenate([t1, t2], axis=2)  #第axis维变长，其他维不变
d3 = np.concatenate([t1, t2], axis=-1)  # axis=-1与axis=2相同，axis=-2与axis=1相同

print(d0)
print(d1)
print(d2)
print(d3)

结果为：