tensorflow函数tf.concat()

本文详细介绍了TensorFlow中tf.concat()函数的使用方法,包括如何沿指定维度合并张量,以及不同axis参数设置下张量shape的变化规律。通过具体示例展示了tf.concat()在实际操作中的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

tf.concat()

作用:沿着某一维度合并张量
举例:

t1 = [[1, 2, 3], [4, 5, 6]]
t2 = [[7, 8, 9], [10, 11, 12]]

# 当axis = 0时 
print(tf.concat([t1, t2], 0))  
# [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]

# 当axis = 1时 
print(tf.concat([t1, t2], 1))  
# [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]

在举个例子:

# 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]

可以看出来,按照axis = 0 时得到的张量shape就是将第一个位置上的两个2相加,后者不变。axis = 1 时得到的张量的shape就是将第二个位置上的两个3相加,前者不变。

更加普遍的有:

Values[i].shape=[D0,D1,...Daxis(i),...Dn]Values[i].shape = [D_0, D_1, ... D_{axis(i)}, ...D_n]Values[i].shape=[D0,D1,...Daxis(i),...Dn]

得到的结果的

shape=[D0,D1,...Raxis,...Dn]shape = [D_0, D_1, ... R_{axis}, ...D_n]shape=[D0,D1,...Raxis,...Dn]

其中

Raxis=sum(Daxis(i))R_{axis} = sum(D_{axis(i)})Raxis=sum(Daxis(i))

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值