Tensor的合并与分割

针对tensorflow2.0

1、合并

（1）tensor的拼接（tf.concat）

In [5]: a = tf.ones([4,28,28,3])

In [6]: b = tf.ones([2,28,28,3])

In [7]: c = tf.concat([a,b],axis=0)

In [8]: c.shape
Out[8]: TensorShape([6, 28, 28, 3])

具体用法为：c = tf.concat([a,b],axis=0)，axis代表轴的序号。需要注意的是：a、b中，需要拼接的维度可以不等，但是其他的维度必须相等。

（2）tensor的堆叠（tf.stack）

堆叠的意思是将两个数据合并并且扩展出一个轴来。

In [9]: a = tf.ones([28,28,3])

In [10]: b = tf.ones([28,28,3])

In [11]: c = tf.stack([a,b],axis=0)

In [12]: c.shape
Out[12]: TensorShape([2, 28, 28, 3])

具体做法是：c = tf.stack([a,b],axis=0)，axis代表扩展出的轴所代表的序号。需要注意的是：a、b中，所有的维度必须相等。

2、分割

（1）tf.unstack（与tf.stack效果相反，指定轴全都打散为1）

In [12]: c.shape
Out[12]: TensorShape([2, 28, 28, 3])

In [13]: aa,bb = tf.unstack(c,axis=0)

In [14]: aa.shape,bb.shape
Out[14]: (TensorShape([28, 28, 3]), TensorShape([28, 28, 3]))

In [15]: res = tf.unstack(c,axis=3)

In [16]: res[0].shape,res[1].shape,res[2].shape
Out[16]: (TensorShape([2, 28, 28]), TensorShape([2, 28, 28]), TensorShape([2, 28, 28]))

具体做法是：res = tf.unstack(c,axis=3)，axis代表打散的轴所代表的序号，res存储输出的结果。

（2）tf.split

上面的tf.unstack函数是将指定轴全都打散为1，而tf.split更加灵活，它可以打散成所需要的各个维度。

In [12]: c.shape
Out[12]: TensorShape([2, 28, 28, 3])

In [19]: res = tf.split(c,axis=2,num_or_size_splits=[14,5,9])

In [20]: res[0].shape,res[1].shape,res[2].shape
Out[20]:
(TensorShape([2, 28, 14, 3]),
 TensorShape([2, 28, 5, 3]),
 TensorShape([2, 28, 9, 3]))

 具体做法是：res = tf.split(c,axis=2,num_or_size_splits=[14,5,9])，axis代表打散的轴所代表的序号；num_or_size_splits代表打散分为几个tensor，以及每个tensor占几维；res存储输出的结果。