1. concat

Statistics about scores
- [class1−4,students,scores][class1-4,students,scores][class1−4,students,scores]
- [class5−6,students,scores][class5-6,students,scores][class5−6,students,scores]

(1) c = tf.concat([a, b], axis=0)1: 将a和b合并为c，合并第1个维度（axis=0），c.shape=[6, 35, 8];
(2) tf. concat([a, b], axis=1): 合并a和b的第2个维度（axis=1），其shape=[4, 35, 8];

Along distinct dim/axis
- Dim = d
axis = 0;

shape=[12, 4];

axis=0:

shape=[4, 7];
注: 合并操作不会增加维度，合并之前是2维的Tensor，那么合并之后还是2维的Tensor。如果想要创造新的维度，我们就需要stack操作了;

2. stack: create new dim

Statistics about scores
- School1: [classes,students,scores][classes,students,scores][classes,students,scores]
- School2: [classes,students,scores][classes,students,scores][classes,students,scores]
  →\to→
- [schools,classes,students,scores][schools,classes,students,scores][schools,classes,students,scores]

(1) tf.concat([a, b], axis=-1): 合并a和b的倒数第1个维度（axis=-1），其shape=[4, 35, 16];
(2) tf.stack([a, b], axis=0): 在第1个维度（axis=0）处创造一个新的维度，创建后其shape=[2, 4, 35, 8];
(3) tf.stack([a, b], axis=3): 在第4个维度（axis=3）处创造一个新的维度，创建后其shape=[4, 35, 8, 2];

3. Dim mismatch

concat要求除了合并的那个维度外，其它维度的数值必须相等;
stack要求所有维度的数值必须相等;

4. unstuck

(1) c = tf.stack([a, b]): 将a和b通过stack()函数合并为c，合并完c.shape=[2, 4, 35, 8];
(2) aa, bb = unstack(c, axis=0): 将c从第1个维度（axis=0）处拆解为aa和bb，拆解完aa.shape=[4, 35, 8]; bb.shape=[4, 35 ,8];
(3) res = tf.unstack(c, axis=3): 将c从第4个维度（axis=3）处拆解，第4个维度消失，拆解后共有8个res，每个res.shape=[2, 4, 35]，所以res[0].shape=[2, 4, 35]; res[7].shape=[2, 4, 35];

如果我们不希望将c拆解为这么多个res，比如只拆解为2个res，那么我们就需要使用一个临摹性更强的API——split。

5. split

VS unstack

(1) res = tf.split(c, axis=3, num_or_size_splits=2): 将c从第4个维度（axis=3）处均分为2个res，每个res.shape=[2, 4, 35, 4];
(2) res = tf.split(c, axis=3, num_or_size_splits=[2, 2, 4]): 将c从第4个维度（axis=3）处均分为3个res，将8按照[2, 2, 4]分为3份，其中res[0].shape=[2, 4, 35, 2]; res[1].shape=[2, 4, 35, 2]; res[2].shape=[2, 4, 35, 4]。

参考文献:
[1] 龙良曲:《深度学习与TensorFlow2入门实战》

深度学习（12）TensorFlow高阶操作一: 合并与分割相关推荐

深度学习（17）TensorFlow高阶操作六: 高阶OP
深度学习(17)TensorFlow高阶操作六: 高阶OP 1. Where(tensor) 2. where(cond, A, B) 3. 1-D scatter_nd 4. 2-D scatter ...
深度学习（14）TensorFlow高阶操作三: 张量排序
深度学习(14)TensorFlow高阶操作三: 张量排序一. Sort, argsort 1. 一维Tensor 2. 多维Tensor 二. Top_k 三. Top-k accuracy(To ...
深度学习（16）TensorFlow高阶操作五: 张量限幅
深度学习(16)TensorFlow高阶操作五: 张量限幅 1. clip_by_value 2. relu 3. clip_by_norm 4. Gradient clipping 5. 梯度爆炸实 ...
深度学习（15）TensorFlow高阶操作四: 填充与复制
深度学习(15)TensorFlow高阶操作四: 填充与复制 1. Pad 2. 常用于Image Padding 3. tile 4. tile VS broadcast_to Outline pa ...
深度学习中的高阶特征
由于自己研究方向为基于高阶的图像分类,故在这里对相关论文做一个简单的划分和总结. 按照计算高阶的层,位于卷积神经网络的位置划分,可以分为: 网络末端网络中部 2022-05-24 update (C ...
深度学习入门及高阶经典课程、教程等资源合集（长期整理）
深度学习资料经典课程 MIT 图分析 yale 图统计推断 standford 机器学习 stanford 机器学习系统设计 stanford 实用机器学习纽约大学深度学习2020 吴恩达深度学习 ...
视频教程-深度学习与TensorFlow 2入门实战-深度学习
深度学习与TensorFlow 2入门实战新加坡国立大学研究员龙良曲 ¥399.00 立即订阅扫码下载「CSDN程序员学院APP」,1000+技术好课免费看 APP订阅课程,领取优惠,最少立减5 ...
TensorFlow高阶 API: keras教程-使用tf.keras搭建mnist手写数字识别网络
TensorFlow高阶 API:keras教程-使用tf.keras搭建mnist手写数字识别网络目录 TensorFlow高阶 API:keras教程-使用tf.keras搭建mnist手写数字 ...
Tensorflow学习四---高阶操作
Tensorflow学习四-高阶操作 Merge and split 1.tf.concat 拼接 a = tf.ones([4,32,8]) b = tf.ones([2,32,8]) print( ...

深度学习（12）TensorFlow高阶操作一: 合并与分割