Python – tensorflow.concat()

简介

在 TensorFlow 中，tf.concat() 函数用于在给定维度上连接两个或多个张量。连接过程通过指定轴进行。函数的语法如下：

tf.concat(values, axis, name='concat')

• values：需要连接的张量列表。
• axis：指定连接张量的维度。
• name（可选）：操作节点的名称。

例子

假设我们要连接两个形状相同的张量，如下所示：

import tensorflow as tf
import numpy as np

A = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
B = tf.constant([[-1, -2, -3], [-4, -5, -6], [-7, -8, -9]])
C = tf.concat([A, B], axis=0)

with tf.Session() as sess:
    print(sess.run(C))

输出：

[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [-1 -2 -3]
 [-4 -5 -6]
 [-7 -8 -9]]

在上面的例子中，我们使用tf.constant()函数创建两个形状相同的张量（A 和 B），然后通过将它们沿着维度0连接起来，形成一个新的张量 C。

多维张量的连接

多维张量的连接与二维张量的连接类似，但是需要特别注意轴的指定。例如，假设我们有一个形状为 (2, 2, 2) 的张量 A 和一个形状为 (2, 2, 2) 的张量 B，如下所示：

import tensorflow as tf
import numpy as np

A = tf.constant([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
B = tf.constant([[[-1, -2], [-3, -4]], [[-5, -6], [-7, -8]]])
C = tf.concat([A, B], axis=2)

with tf.Session() as sess:
    print(sess.run(C))

输出：

[[[ 1  2 -1 -2]
  [ 3  4 -3 -4]]

 [[ 5  6 -5 -6]
  [ 7  8 -7 -8]]]

在上面的例子中，我们通过将张量 A 和 B 沿着第三个维度连接起来生成一个新的张量 C。

总结

以上就是 Python – tensorflow.concat() 函数的介绍和例子。该函数可以用于在 TensorFlow 中连接两个或多个张量，并通过指定轴进行连接。使用此函数时，需要特别注意指定维度。