concat()是將tensor沿著指定維度連線起來。其中tensorflow1.3版中是這樣定義的：

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

一、對於2維來說，0表示行，1表示列

t1 = [[1,2,3],[4,5,6]]
t2 = [[7,8,9],[10,11,12]]
 
with tf.Session() as sess:
 print(sess.run(tf.concat([t1,t2],0) ))

結果為：[[1,6],[7,12]]

t1 = [[1,1) ))

結果為：[[1,3,7,6,10,12]]

二、 對於3維來說 0表示縱向，1表示行，2表示列

t1 = [[[1,1,1],[2,2]],[[3,4,4]]]
 
t2 = [[[5,5],[6,6]],[[7,7],[8,8]]]
 
with tf.Session() as sess:
 print(sess.run(tf.concat([t1,0) ))

結果：[[[1 1 1],[2 2 2]],[[3 3 3],[4 4 4]],[[5 5 5],[6 6 6]],[[7 7 7],[8 8 8]]]
Tensor("concat_30:0",shape=(4,3),dtype=int32)

axis=1的結果如下：

Tensor("concat_31:0",shape=(2,dtype=int32)

axis=2的結果如下：

Tensor("concat_32:0",6),dtype=int32)
[[[1 1 1 5 5 5]，[2 2 2 6 6 6]]， [[3 3 3 7 7 7]， [4 4 4 8 8 8]]]

以上這篇淺談tensorflow 中tf.concat()的使用就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。