定義

tf.concat是連接兩個(gè)矩陣的操作
tf.concat(concat_dim, values, name='concat')
除去name參數(shù)用以指定該操作的name，與方法有關(guān)的一共兩個(gè)參數(shù)：

• concat_dim
  必須是一個(gè)數(shù)，表明在哪一維上連接。 如果concat_dim是0，那么在某一個(gè)shape的第一個(gè)維度上連，對應(yīng)到實(shí)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]]

如果concat_dim是1，那么在某一個(gè)shape的第二個(gè)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]]

如果有更高維，最后連接的依然是指定那個(gè)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] 

• values
  就是兩個(gè)或者一組待連接的tensor了

這里要注意的是：如果是兩個(gè)向量，它們是無法調(diào)用tf.concat(1, [t1, t2])來連接的，因?yàn)樗鼈儗?yīng)的shape只有一個(gè)維度，當(dāng)然不能在第二維上連了，雖然實(shí)際中兩個(gè)向量可以在行上連，但是放在程序里是會(huì)報(bào)錯(cuò)的
如果要連，必須要調(diào)用tf.expand_dims來擴(kuò)維：

t1=tf.constant([1,2,3])
t2=tf.constant([4,5,6])
#concated = tf.concat(1, [t1,t2])這樣會(huì)報(bào)錯(cuò)
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