tf.concat()和tf.reduce_mean()用法总结

一、tf.concat()用于拼接

        tf.concat(values1,values2):

1. values1:需要拼接的矩阵或列表或矩阵组成的元组
2. 对那一维度进行拼接（2维数据 0 是行拼接 1是列拼接 ；3维数据看例子自己理解吧！！
   二、tf.reduce_mean()用于求某一维上的平均值

求最大值tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=None)

求平均值tf.reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None)

s=np.array([[[1,2,1],[3,4,1]],[[5,6,1],[7,8,1]]])
s1=np.array([[[10,20,10],[30,40,10]],[[50,60,10],[70,80,10]]])
t=[s,s1]
print(np.shape(s))
print(s[:,-1,:])
sess = tf.Session()
output_rnn=sess.run(tf.concat(t,2))
aa=sess.run(tf.reduce_mean(output_rnn,axis=0))
print(s)
print("------------")
print(s1)
print("------------")
print(t)
print("------------")
print(output_rnn)
print("------------")
print(“axis=0:{}”.format(aa))
print("===========================")
print(output_rnn[:,-1,:])
sess.close()