luoganttcc的博客

argsort()函数是将x中的元素从小到大排列，提取其对应的index(索引)import numpy as npx=np.array([1,4,3,-1,6,9])#####argsort()函数是将x中的元素从小到大排列，提取其对应的index(索引)x.argsort()#array([3, 0, 2, 1, 4, 5])...

tensorflow 的字面翻译是----张量(tensor)—流(flow)为什么要引入张量的广播机制，原因是有利可图，这个利益就是能节约内存空间，说白了就是省钱！！！凡事都有两面，既然能省钱，那一定费脑子，哲学一点的说法就是’抽象’对于张量的加法，乘法，不要求两个张量的维度完全相同，对于有很多重复元素的张量而言，可以用一个低纬度张量代表高维张量广播的原则如果两个数组的后缘维度（trailing dimension，即从末尾开始算起的维度）的轴长度相符，或其中的一方的长度为1，则认为它们是广播

取矩阵的前两列import numpy as npa=np.array(list(range(24))).reshape(2,3,4)aarray([[[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]], [[12, 13, 14, 15], [16, 17, 18, 19], [20, 21, 22, 23]]])a[...,:2]array([[[

b=list(range(5))b[0, 1, 2, 3, 4] #列表区别a=np.arange(5)aarray([0, 1, 2, 3, 4])# 矩阵生成一个1*24的矩阵，在将她变成2*3*4的数体c=np.arange(24).reshape(2,3,4)cOut[301]: array([[[ 0, 1, 2, 3], [ 4, 5, 6,

zip 就是zip函数接受任意多个（包括0个和1个）序列作为参数，返回一个tuple列表x = [1, 2, 3]y = [4, 5, 6]z = [7, 8, 9]list(zip(x, y, z))Out[33]: [(1, 4, 7), (2, 5, 8), (3, 6, 9)]x = [1, 2, 3]y = [4, 5, 6, 7]list(zip(x, y, z))Out[36]:

import numpy as npa=np.arange(9).reshape(3,3)aOut[31]: array([[0, 1, 2], [3, 4, 5], [6, 7, 8]])    &nb