tf.concat是连接两个矩阵的操作
-----------------------------------------------------------------------------------------------------
---- tensorflow 1.3.0 以前
-----------------------------------------------------------------------------------------------------
tf.concat(concat_dim, values, name='concat')
除去name参数用以指定该操作的name,与方法有关的一共两个参数:
第一个参数concat_dim:必须是一个数,表明在哪一维上连接
如果
concat_dim
是0,那么在某一个shape的第一个维度上连,对应到实际,就是叠放到列上
concat_dim
是1,那么在某一个shape的第二个维度上连
如果有更高维,最后连接的依然是指定那个维:
values[i].shape = [D0, D1, ... Dconcat_dim(i), ...Dn]连接后就是:
[D0, D1, ... Rconcat_dim, ...Dn]
第二个参数values:就是两个或者一组待连接的tensor了
/×××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××/
这里要注意的是:如果是两个向量,它们是无法调用
如果要连,必须要调用tf.expand_dims来扩维:
tf.concat是连接两个矩阵的操作
-----------------------------------------------------------------------------------------------------
---- tensorflow 1.3.0 以后
---- 否则会报如下错误
---- Shapes (2, 2, 3) and () are incompatible
-----------------------------------------------------------------------------------------------------
tf.concat(values, concat_dim, name='concat')
除去name参数用以指定该操作的name,与方法有关的一共两个参数:
第二个参数concat_dim:必须是一个数,表明在哪一维上连接
如果
concat_dim
是0,那么在某一个shape的第一个维度上连,对应到实际,就是叠放到列上
concat_dim
是1,那么在某一个shape的第二个维度上连
如果有更高维,最后连接的依然是指定那个维:
values[i].shape = [D0, D1, ... Dconcat_dim(i), ...Dn]连接后就是:
[D0, D1, ... Rconcat_dim, ...Dn]
第二个参数values:就是两个或者一组待连接的tensor了
/×××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××/
这里要注意的是:如果是两个向量,它们是无法调用
如果要连,必须要调用tf.expand_dims来扩维: