最近看图像语义分割的相关论文，里面需要用到层间的合并，例子大多是用keras给出的，以前没接触过层合并的函数，特意去查了下tf和keras分别用什么函数实现的。keras.backend.concatenate 与 tf.concat等价。keras的concatenate直接用的网上的例子，tf是我自己写的，与keras例子里的数据保持一致。

import numpy as np
import cv2
import keras.backend as K
import tensorflow as tf

a = K.variable(np.array([[1 , 2, 3]]))
b = K.variable(np.array([[3 , 2, 1]]))
c1 = K.concatenate([a , b] , axis=0)
c2 = K.concatenate([a , b] , axis=-1)

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(c1))
    print(sess.run(c2))

对应的tf版本

import numpy as np
import tensorflow as tf

a=tf.constant(np.array([[1 , 2, 3]]))
b=tf.constant(np.array([[3,2,2]]))
c1=tf.concat([a,b],axis=0)
c2=tf.concat([a,b],axis=1)

sess=tf.Session()
sess.run(tf.global_variables_initializer())
sess.run(c1)
Out[10]: 
array([[1, 2, 3],
       [3, 2, 2]])
sess.run(c2)
Out[11]: array([[1, 2, 3, 3, 2, 2]])

改成实际运行中带通道的格式

a=tf.constant(np.array([[[1] , [2], [3]]]))
b=tf.constant(np.array([[[3], [2], [2]]]))
c3=tf.concat([a,b],axis=0)
c4=tf.concat([a,b],axis=-1)
sess.run(c3)
Out[20]: 
array([[[1],
        [2],
        [3]],
       [[3],
        [2],
        [2]]])
sess.run(c4)
Out[21]: 
array([[[1, 3],
        [2, 2],
        [3, 2]]])

这样就很容易理解了