leetcode刷题总结和py基础

列表的append和pop方法类似于stack的push和pop， list[-1]类似于stack.top()

• 用两个stack实现queue，最好后变（pop，peek），因为stack身子先进去，屁股先出来；
• 用两个queue实现stack，最好先变（push），因为stack身子先进去，还是身子先出来

P.S. 应该也可以不按常规来，效率会很慢，两次重复操作

numpy和tensor

numpy可以看作是python中，用于处理高维数组运算的一个第三方库。

可以使用np.arange(起始值，终值，等差)来创建一个一维numpy数组（这里的np.arange()的用法和python自带的range()的用法相似，都是有返回值的，但是np.arange()返回的是numpy类型的对象），如：
对于实例化的np对象，可以通过.shape的点方法访问该对象的形状属性。使用reshape()的方法，生成一个改变过形状的新np对象（这里的reshape()是方法，所以有括号，相当于一个有参构造函数，生成了一个新的np对象data2）
data1.reshape(改变后的形状)，的输入即为生成新的np对象的形状，这里的reshape()方法还是很有用的，在数据处理和深度学习中，很多函数要求输入的两个数据必须是同shape的。

很多的深度学习模型处理的输入数据要求是tensor类型的，在我看来二者都是表示高维数组的一种数据结构，所表达的内容和shape大致一样，我们需要注意的就是深度学习模型要求的数据都得是tensor类型的，所以需要用tf.convert_to_tensor(输入np对象)
可以看到tensor对象也是一样有shape属性和reshape()方法的