原文链接：https://blog.csdn.net/leviopku/article/details/82380118

tf.concat([tensor1, tensor2, tensor3,...], axis)
 
 

先给出tf源代码中的解释:

 
 

   
   

    
    

   
   
   
   

    
    

     
       t1 = [[
     
     1, 
     
     2, 
     
     3], [
     
     4, 
     
     5, 
     
     6]]
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
       t2 = [[
     
     7, 
     
     8, 
     
     9], [
     
     10, 
     
     11, 
     
     12]]
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
       tf.concat([t1, t2], 
     
     0)  
     
     # [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
       tf.concat([t1, t2], 
     
     1)  
     
     # [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]
    
    
   
   

   
   

    
    

   
   
   
   

    
    
 
    
    
   
   

   
   

    
    

   
   
   
   

    
    
  
     
     # tensor t3 with shape [2, 3]
    
    
   
   

   
   

    
    

   
   
   
   

    
    
  
     
     # tensor t4 with shape [2, 3]
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
       tf.shape(tf.concat([t3, t4], 
     
     0))  
     
     # [4, 3]
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
       tf.shape(tf.concat([t3, t4], 
     
     1))  
     
     # [2, 6]
    
    
   
   
 
 

这里解释了当axis=0和axis=1的情况，怎么理解这个axis呢？其实这和numpy中的np.concatenate()用法是一样的。

axis=0     代表在第0个维度拼接

axis=1     代表在第1个维度拼接 

对于一个二维矩阵，第0个维度代表最外层方括号所框下的子集，第1个维度代表内部方括号所框下的子集。维度越高，括号越小。

对于这种情况，我可以再解释清楚一点: 

对于[ [ ], [ ]]和[[ ], [ ]]，低维拼接等于拿掉最外面括号，高维拼接是拿掉里面的括号(保证其他维度不变)。注意：tf.concat()拼接的张量只会改变一个维度，其他维度是保存不变的。比如两个shape为[2,3]的矩阵拼接，要么通过axis=0变成[4,3]，要么通过axis=1变成[2,6]。改变的维度索引对应axis的值。

这样就可以理解多维矩阵的拼接了，可以用axis的设置来从不同维度进行拼接。 

对于三维矩阵的拼接，自然axis取值范围是[0, 1, 2]。

对于axis等于负数的情况

负数在数组索引里面表示倒数(countdown)。比如，对于列表ls = [1,2,3]而言，ls[-1] = 3，表示读取倒数第一个索引对应值。

axis=-1表示倒数第一个维度，对于三维矩阵拼接来说，axis=-1等价于axis=2。同理，axis=-2代表倒数第二个维度，对于三维矩阵拼接来说，axis=-2等价于axis=1。

一般在维度非常高的情况下，我们想在最'高'的维度进行拼接，一般就直接用countdown机制，直接axis=-1就搞定了。