谈一谈数组拼接tf.concat()和np.concatenate()的区别

废话不多说啦，直接看代码吧！

tf.concat

t1 = [[1, 2, 3], [4, 5, 6]]
t2 = [[7, 8, 9], [10, 11, 12]]
tf.concat(0, [t1, t2]) ==> [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
tf.concat(1, [t1, t2]) ==> [[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(0, [t3, t4])) ==> [4, 3]
tf.shape(tf.concat(1, [t3, t4])) ==> [2, 6]

numpy.concatenate

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6]])
np.concatenate((a, b), axis=0)
array([[1, 2],
[3, 4],
[5, 6]])
np.concatenate((a, b.T), axis=1)
array([[1, 2, 5],
[3, 4, 6]])

以上这篇谈一谈数组拼接tf.concat()和np.concatenate()的区别就是小编分享给大家的全部内容了，希望能给大家一个参考

您可能感兴趣的文章:

• numpy concatenate数组拼接方法示例介绍
• 详解Numpy中的数组拼接、合并操作（concatenate, append, stack, hstack, vstack, r_, c_等）
• numpy数组做图片拼接的实现（concatenate、vstack、hstack）
• Python numpy实现二维数组和一维数组拼接的方法
• 基于Python Numpy的数组array和矩阵matrix详解