张量的拼接
TensorFlow中，张量拼接的操作主要包括：
tf.contact()：将向量按指定维连起来，其余维度不变。
tf.stack() ：将一组R维张量变为R+1维张量，拼接前后维度变化。

tf.concat(values, axis, name='concat')：
values：输入张量；
axis：指定拼接维度；
name：操作名称。

代码：
concat_sample_1 = tf.random.normal([4,100,100,3])
concat_sample_2 = tf.random.normal([40,100,100,3])
print("原始数据的尺寸分别为：",concat_sample_1.shape,concat_sample_2.shape)
concated_sample_1 = tf.concat([concat_sample_1,concat_sample_2],axis=0)
print("拼接后数据的尺寸：",concated_sample_1.shape)

输出：
原始数据的尺寸分别为： (4, 100, 100, 3) (40, 100, 100, 3)
拼接后数据的尺寸： (44, 100, 100, 3)

在原来矩阵基础上增加了一个维度，也是同样的道理，axis决定维度增加的位置。
tf.stack(values, axis=0, name='stack')：
values：输入张量；一组相同形状和数据类型的张量。
axis：指定拼接维度；
name：操作名称。

代码：
stack_sample_1 = tf.random.normal([100,100,3])
stack_sample_2 = tf.random.normal([100,100,3])
print("原始数据的尺寸分别为：",stack_sample_1.shape, stack_sample_2.shape)

拼接后维度增加。axis=0，则在第一个维度前增加维度。

stacked_sample_1 = tf.stack([stack_sample_1, stack_sample_2],axis=0)
print("拼接后数据的尺寸：",stacked_sample_1.shape)

输出：
原始数据的尺寸分别为： (100, 100, 3) (100, 100, 3)
拼接后数据的尺寸： (2, 100, 100, 3)