concat连接多个通道

最新推荐文章于 2024-09-26 16:23:25 发布

qiqiaiairen

最新推荐文章于 2024-09-26 16:23:25 发布

阅读量6.9k

点赞数 3

分类专栏： tensorflow 文章标签： concat tensorflow

tensorflow 专栏收录该内容

22 篇文章

订阅专栏

本文介绍了 TensorFlow 中 concat 函数的使用方法，并通过实例演示了如何利用该函数连接二维及三维张量。concat 函数允许将多个张量按指定维度进行连接，适用于深度学习网络中的特征组合场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

深度学习中，经常要使用的技术之一，连接多个通道作为下一个网络层的输入。

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

concat_dim是tensor 连接的方向（维度），values 是要连接的tensor 链表，name是操作名。concat_dim维度可以不一样，其他维度的尺寸必须一样。

1. 两个二维tensor连接

concat_dim: 0表示行，1表示列

#!/user/bin/env python
# coding=utf-8

import tensorflow as tf

t1=[[1,2,3],[4,5,6]]
t2=[[7,8,9],[10,11,12]]
c1=tf.concat(0,[t1,t2])
c2=tf.concat(1,[t1,t2])
print c1.get_shape()
print c2.get_shape()
sess=tf.Session()
print sess.run([c1,c2])
sess.close()

2. 两个三维tensor连接

concat_dim:0表示纵向，1表示行，2表示列

#!/user/bin/env python
# coding=utf-8

import tensorflow as tf
t1=[[[1,1,1],[2,2,2]],[[3,3,3],[4,4,4]]]
t2=[[[5,5,5],[6,6,6]],[[7,7,7],[8,8,8]]]
c1= tf.concat(0,[t1,t2])
c2=tf.concat(1,[t1,t2])
c3=tf.concat(2,[t1,t2])
print c1.get_shape()
print c2.get_shape()
print c3.get_shape()
sess=tf.Session()
print sess.run([c1,c2,c3])
sess.close()