message ConcatParameter {
  //指定拼接的維度，預設為1即以channel通道進行拼接;支援負索引，即-1表示最後一個維度
  optional int32 axis = 2 [default = 1];

  // 以後會被棄用，作用同axis一樣，但不能指定為負數
  optional uint32 concat_dim = 1 [default = 1];
}

• 選擇axis=0，表示在num維度上進行拼接，可表示為：（k₁+k₂）*C*H*W；
• 選擇axis=1，表示在channel維度上進行拼接，可表示為：N*（k₁+k₂）*H*W。（對應於上面給出的4個維度）

layer {
  name: "data_all"
  type: "Concat"
  bottom: "data_classfier"
  bottom: "data_boundingbox"
  bottom: "data_facialpoints"
  top: 
 
"data_all"
  concat_param {
    axis: 0
  }
}

除了拼接維度外的其它維度都必須相等。比如上面，輸入影象均為 24×24×324×24×3，用於分類的有150張圖片，用於boundingbox迴歸的有50張，用於關鍵點回歸的也有50張，則最後拼接的結果就是 (150+50+50)×3×24×24
2、Slice層

與concat對應的是Slice層，來實現對資料集的拆分：

message SliceParameter {
  // 下面兩個指定沿哪個維度進行拆分，預設拆分channels通道
 

  optional int32 axis = 3 [default = 1];
  optional uint32 slice_dim = 1 [default = 1];

  // 指定拆分點
  repeated uint32 slice_point = 2;
}

此處將如上合併的資料集進行拆分：

layer {
  name: "data_each"
  type: "Slice"
  bottom: "data_all"
  top: "data_classfier"
  top: "data_boundingbox"
  top: "data_facialpoints"
  slice_param {
    axis: 0
    slice_point: 150
    slice_point: 200
  }
}

其中slice_point的個數必須等於top的個數減一。輸入的data_all維度為 250×3×24×24，拆分後的3個輸出的維度依次為 150×3×24×24， 50×3×24×24， 50×3×24×24