numpy

np.argmax

用于获得一列数值中最大值的索引值

index = np.argmax(prediction)

np.maximum

用于按位比较大小，并选择最大值

label = [9, -1, 2, -3]
label = np.maximum(label, 0)
输出：
label = [9, 0, 2, 0]

np.squeeze

用于删除多维数组中shape=1的维度

>>> a = e.reshape(1,1,10)
>>> a
array([[[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]]])
>>> np.squeeze(a)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

np.mean

np.mean(numpy.mean(a, axis, dtype, out，keepdims )
求取均值
经常操作的参数为axis，以m * n矩阵举例：
axis 不设置值，对 mn 个数求均值，返回一个实数
axis = 0：压缩行，对各列求均值，返回 1 n 矩阵
axis =1 ：压缩列，对各行求均值，返回 m *1 矩阵

heatmap = np.mean(FeatureMap, axis=2)源代码输入的图片，经过卷积获得特征矩阵，这里是压缩通道，对各个通道求均值，返回w*h矩阵

np.expand_dims

扩展数组形状
np.expand_dims(array, axis)
axis=0,在行的方向上扩展一层

np.range和np.arange

range()不支持步长为小数，np.arange()支持步长为小数

两者都可用于迭代

两者都有三个参数，以第一个参数为起点，第三个参数为步长，截止到第二个参数之前的不包括第二个参数的数据序列

np.arange(1, 5, .5)
array([ 1. ,  1.5,  2. ,  2.5,  3. ,  3.5,  4. ,  4.5])

>>>range(1, 5, 2)
>>>for i in range(1, 5, 2):
...    print(i)
1
3