tensorflow中的concat_tensorflow concat-优快云博客

本文讲解了张量的维度表示方法及其在TensorFlow中的应用，通过具体实例演示了如何使用concat函数实现张量的合并，并展示了不同维度下张量合并的效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

张量的维度

张量用符合的[]来表示

a = tf.constant([[[1,1],[2,2]],[[3,3],[4,4]]])

举例说明，这里的[[[1,1],[2,2]],[[3,3],[4,4]]]最左边的连着的三个‘[‘就表示三维张量，最外边的’[‘表示0维度，也就是张量整体，第一维度是第二个’[’，对应[[1,1],[2,2]]，第二维度对应[1,1]，第三维度对应1。

concat的用法

这个函数起到张量合并的作用将两个张量在某一维度进行整合
concat(values, axis, name = “concat”)
其中，values填充一个列表，列表中存在待处理张量，axis表示整合的维度。下面分别从0维度，1维度，二维度进行整合（第三维度只有一个元素，无法整合）
在终端依次输入：

a = tf.constant([[[1,1],[2,2]],[[3,3],[4,4]]])

 b = tf.constant([[[5,5],[6,6]],[[7,7],[8,8]]])

sess = tf.Session()

sess.run(a)

a.shape

终端输出

array([[[1, 1],
        [2, 2]],

       [[3, 3],
        [4, 4]]])
TensorShape([Dimension(2), Dimension(2), Dimension(2)])

再分别输入

sess.run(tf.concat([a,b],0))
tf.concat([a,b],0).shape

sess.run(tf.concat([a,b],1))
tf.concat([a,b],1).shape

sess.run(tf.concat([a,b],2))
tf.concat([a,b],2).shape

分别对应输出

array([[[1, 1],
        [2, 2]],

       [[3, 3],
        [4, 4]],

       [[5, 5],
        [6, 6]],

       [[7, 7],
        [8, 8]]])
TensorShape([Dimension(4), Dimension(2), Dimension(2)])

array([[[1, 1],
        [2, 2],
        [5, 5],
        [6, 6]],

       [[3, 3],
        [4, 4],
        [7, 7],
        [8, 8]]])
TensorShape([Dimension(2), Dimension(4), Dimension(2)])

array([[[1, 1, 5, 5],
        [2, 2, 6, 6]],

       [[3, 3, 7, 7],
        [4, 4, 8, 8]]])
TensorShape([Dimension(2), Dimension(2), Dimension(4)])