concat stack transpose

concat and stack

tf.concat相當於numpy中的np.concatenate函數，用於將兩個張量在某一個維度(axis)合併起來

a=tf.reshape(np.arange(4),(2,2))
[[0 1]
 [2 3]]
b=tf.reshape(np.arange(4,8),(2,2))
[[4 5]
 [6 7]]
c=tf.concat([a,b],axis=0)
[[0 1]
 [2 3]
 [4 5]
 [6 7]]
d=tf.concat([a,b],axis=1)
[[0 1 4 5]
 [2 3 6 7]]

tf.concat拼接的是兩個shape完全相同的張量，並且產生的張量的維度不會發生變化，而tf.stack拼接後的張量的維度+1
tf.stack 的axis 值取值範圍爲 -(R+1)~(R+1)

a=tf.reshape(np.arange(4),(2,2))
b=tf.reshape(np.arange(4,8),(2,2))

#axis默認爲0
c=tf.stack([a,b])
[[[0 1]
  [2 3]]

 [[4 5]
  [6 7]]]
#以下等價
d=tf.stack([a,b],axis=1)
d=tf.stack([a,b],axis=-2)
[[[0 1]
  [4 5]]

 [[2 3]
  [6 7]]]

strack and transpos

x=np.arange(12).reshape((2,2,3))
[[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]]
#等價
print(np.stack(x,axis=0))
print(np.transpose(x,(0,1,2)))
[[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]]
#等價
print(np.stack(x,axis=1))
print(np.transpose(x,(1,0,2)))
[[[ 0  1  2]
  [ 6  7  8]]

 [[ 3  4  5]
  [ 9 10 11]]]
#等價
print(np.stack(x,axis=2))
print(np.transpose(x,(1,2,0)))
[[[ 0  6]
  [ 1  7]
  [ 2  8]]

 [[ 3  9]
  [ 4 10]
  [ 5 11]]]