Tebsorflow中的两个向量的拼接
tensorflow中的concat方法（tf.concat）可以进行两个向量的拼接，共有两个参数：
1、要拼接的两个向量；
2、要拼接的维度，从0开始。
1 t1 = [[1, 2, 3], [4, 5, 6]] 2 t2 = [[7, 8, 9], [10, 11, 12]] 3 tf.concat([t1, t2], 0) # [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]] 4 tf.concat([t1, t2], 1) # [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]] 5 6 # tensor t3 with shape [2, 3] 7 # tensor t4 with shape [2, 3] 8 tf.shape(tf.concat([t3, t4], 0)) # [4, 3] 9 tf.shape(tf.concat([t3, t4], 1)) # [2, 6]
解释：
第一个拼接是在0维度进行拼接，将这两个向量的行进行拼接，即两个[2，3]（2行3列）的向量0维度拼接后会变成[4，3](4行3列)
第二个拼接是在1维度进行拼接，将这两个向量的列进行拼接，即两个[2，3]（2行3列）的向量1维度拼接后会变成[2，6](2行6列)
在进行搭建神经网络是为了拓宽网络的宽度，会进行两个向量的拼接，而经过卷积后的向量都是四维的（[?, x,y,channel]），而我们需要将第二个向量拼接到第一个向量后面，通道数进行相加，所以应当是在3维度进行拼接。即tf.concat([conv1,conv2],3)。
