tf.concat( )和tf.stack( )

相同點：都是組合重構數據.

不同點：concat（）不改變維數，而stack改變了維數（待定！！！）

tf.concat是連接兩個矩陣的操作，請注意API版本更改問題，相應參數也發生改變，具體查看API.

 

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，那么在某一個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]]

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]]

             如果concat_dim是1，那么在某一個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

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，最后連接的依然是指定那個維：

             values[i].shape = [D0, D1, ... Dconcat_dim(i), ...Dn]連接后就是：[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]

# 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

 

/×××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××/


這里要注意的是：如果是兩個向量，它們是無法調用  

tf.concat(1, [t1, t2])

tf.concat(1, [t1, t2])

來連接的，因為它們對應的shape只有一個維度，當然不能在第二維上連了，雖然實際中兩個向量可以在行上連，但是放在程序里是會報錯的

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