tf.concat是連接兩個矩陣的操作
-----------------------------------------------------------------------------------------------------
---- tensorflow 1.3.0 以前
-----------------------------------------------------------------------------------------------------
tf.concat(concat_dim, values, name='concat')
除去name參數用以指定該操作的name,與方法有關的一共兩個參數:
第一個參數concat_dim:必須是一個數,表明在哪一維上連接
如果
concat_dim
是0,那麼在某一個shape的第一個維度上連,對應到實際,就是疊放到列上
- t1 = [[1, 2, 3], [4, 5, 6]]
- t2 = [[7, 8, 9], [10, 11, 12]]
- tf.concat(0, [t1, t2]) == > [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
concat_dim
是1,那麼在某一個shape的第二個維度上連
- t1 = [[1, 2, 3], [4, 5, 6]]
- t2 = [[7, 8, 9], [10, 11, 12]]
- tf.concat(1, [t1, t2]) ==> [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12
如果有更高維,最後連接的依然是指定那個維:
values[i].shape = [D0, D1, ... Dconcat_dim(i), ...Dn]連接後就是:
[D0,
D1, ... Rconcat_dim, ...Dn]
- # tensor t3 with shape [2, 3]
- # tensor t4 with shape [2, 3]
- tf.shape(tf.concat(0, [t3, t4])) ==> [4, 3]
- tf.shape(tf.concat(1, [t3, t4])) ==> [2, 6]
第二個參數values:就是兩個或者一組待連接的tensor了
/×××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××/
這裏要注意的是:如果是兩個向量,它們是無法調用
- tf.concat(1, [t1, t2])
如果要連,必須要調用tf.expand_dims來擴維:
- t1=tf.constant([1,2,3])
- t2=tf.constant([4,5,6])
- #concated = tf.concat(1, [t1,t2])這樣會報錯
- t1=tf.expand_dims(tf.constant([1,2,3]),1)
- t2=tf.expand_dims(tf.constant([4,5,6]),1)
- concated = tf.concat(1, [t1,t2])#這樣就是正確的
tf.concat是連接兩個矩陣的操作
-----------------------------------------------------------------------------------------------------
---- tensorflow 1.3.0 以後
---- 否則會報如下錯誤
---- Shapes (2, 2, 3) and () are incompatible
-----------------------------------------------------------------------------------------------------
tf.concat(values, concat_dim, name='concat')
除去name參數用以指定該操作的name,與方法有關的一共兩個參數:
第二個參數concat_dim:必須是一個數,表明在哪一維上連接
如果
concat_dim
是0,那麼在某一個shape的第一個維度上連,對應到實際,就是疊放到列上
- t1 = [[1, 2, 3], [4, 5, 6]]
- t2 = [[7, 8, 9], [10, 11, 12]]
- tf.concat([t1, t2], 0) == > [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
concat_dim
是1,那麼在某一個shape的第二個維度上連
- t1 = [[1, 2, 3], [4, 5, 6]]
- t2 = [[7, 8, 9], [10, 11, 12]]
- tf.concat([t1, t2], 1) ==> [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12
如果有更高維,最後連接的依然是指定那個維:
values[i].shape = [D0, D1, ... Dconcat_dim(i), ...Dn]連接後就是:
[D0,
D1, ... Rconcat_dim, ...Dn]
- # tensor t3 with shape [2, 3]
- # tensor t4 with shape [2, 3]
- tf.shape(tf.concat([t3, t4], 0)) ==> [4, 3]
- tf.shape(tf.concat([t3, t4], 1)) ==> [2, 6]
第二個參數values:就是兩個或者一組待連接的tensor了
/×××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××/
這裏要注意的是:如果是兩個向量,它們是無法調用
- tf.concat([t1, t2], 1)
如果要連,必須要調用tf.expand_dims來擴維:
- t1=tf.constant([1,2,3])
- t2=tf.constant([4,5,6])
- #concated = tf.concat(1, [t1,t2])這樣會報錯
- t1=tf.expand_dims(tf.constant([1,2,3]),1)
- t2=tf.expand_dims(tf.constant([4,5,6]),1)
- concated = tf.concat([t1,t2], 1)#這樣就是正確的