使用tf.concat()拼接张量未得到预期结果，是什么原因？

你输出的l_image、l_augim、u_image都被额外的圆括号包裹，说明从dataset中迭代取出的每个元素都是长度为1的元组，不是直接的张量对象。你将三个元组直接传入tf.concat拼接时，TensorFlow会自动将元组转为张量，相当于每个输入多了一层长度为1的维度，三个张量沿axis=0拼接后就会得到(3, 4, 32, 32, 3)的不符合预期的shape。

只需要在拼接前，从每个元组中取出第一个元素拿到实际的图像张量即可。

修正后代码 #

dataset = tf.data.Dataset.zip((l_image, l_augim, u_image)).batch(4)

for x, (l_image, l_augim, u_image) in enumerate(dataset):
    # 提取元组内的实际张量
    l_image = l_image[0]
    l_augim = l_augim[0]
    u_image = u_image[0]
    concat_tensor = tf.concat([l_image, l_augim, u_image], axis = 0)
    print(concat_tensor)
    print(l_image)
    print(l_augim)
    print(u_image)
    break

运行后即可得到期望的shape=(12, 32, 32, 3)的拼接张量。

内容的提问来源于stack exchange，提问作者IdeaKing