Tensorflow常遇函数(一）

Tensorflow常遇函数(一）

1.tf.concat(values, axis,name=‘concat’)

tf.concat用于将多个张量在某维度合并起来，类似于numpy.concatenate。第一个参数为待合并的多个张量列表，第二个参数需指定哪个维度上做合并。待合并的张量shape需要完全相同，并且产生的张量的阶数不会发生变化。

import tensorflow as tf
a=tf.constant([[1,2,3],[4,5,6]])#shape=2*3
b=tf.constan([[7,8,9],[10,11,12]])#shape=2*3
c=tf.concat([a,b],axis=0)
d=tf.concat([a,b],axis=1)
print(c)
print(d)
#c=[[1, 2, 3],
#   [4, 5, 6],
#   [7, 8, 9],
#  [10,11,12]]
#d=[[1, 2, 3, 7, 8, 9],
#   [4, 5, 6,10,11,12]]

可以看出：
当axis=0时，是在矩阵的第1维上进行拼接
当axis=1时，是在矩阵的第2维上进行拼接也就是在[1，2，3]的内部后面拼接另一个矩阵的第1维数据[7，8，9]得到[1，2，3，7，8，9]。

2.tf.stack(values, axis=0, name=‘stack’)

将一个维度为R的张量数组转变成一个维度为R+1的张量。即会在新的张量阶上合并，张量的阶数也会增加。
参数values：一个具有相同形状与数据类型的张量数组。
参数axis：stack就是要将一组相同形状的张量提高一个维度，axis就是这些张量里，将axis指定的维度用所有这些张量数组代替。如axis=2，表示指定在矩阵第3个维度，原来的元素用整个张量数组里的元素代替，即（A，B，C）转变成（A，B，N，C）。

a=tf.constant([[1,2,3],[4,5,6],[3,2,1]])#shape=3*3
b=tf.constan([[7,8,9],[10,11,12][9,8,7]])#shape=3*3
print (np.stack([a,b],axis=0))
[[[1,2,3],
  [4,5,6],
  [3,2,1]]
  
  [[7,8,9],
  [10,11,12],
  [9, 8, 7]]]#shape=2*3*3
print (np.stack([a,b],axis=1))
[[[1,2,3],
  [7,8,9]],
  
  [[4,5,6],
  [10,11,12]],

  [[3,2,1],
  [9,8,7]]]#shape=3*3*2