python - Tensorflow vs Numpy concat 操作

Question

我只是在 numpy 和 tensorflow 中尝试一些代码，因为 tensorflow 在后端使用 numpy 我没想到某些操作会有所不同，例如 concat手术。

In Numpy

z = np.array(
[
 [
   [1,2,3,],
   [4,5,6,]
 ],

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

 [
   [13,14,15],
   [16,17,18]
 ]

])

np.concatenate(z ,axis=1) 给出

array([[ 1, 2, 3, 7, 8, 9, 13, 14, 15],
[ 4, 5, 6, 10, 11, 12, 16, 17, 18]])

In Tensorflow

hello = tf.constant(value = [
        [
            [1,2,3,],
            [4,5,6,]
        ],

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

        [
            [13,14,15],
            [16,17,18]
        ]

    ] )

tf.concat(hello ,axis=1) gives

array([[[ 1, 2, 3],
[ 4, 5, 6]],

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

   [[13, 14, 15],
    [16, 17, 18]]])

为什么会有这种差异

Answer 1

tf.concat 期望张量列表沿轴连接。如果你只指定一个张量，它只会打印那个张量而不做任何事情。