tf的小函数-tf.where，tf.gather

• tf.sign和tf.reduce_sum
  https://blog.csdn.net/qq_15111861/article/details/81318963
  tf.sign就是sign函数

• tf.reduce_max
  https://blog.csdn.net/lllxxq141592654/article/details/85345864
  注意keepdim和axis
  if keepdim==false
  axis=0，意思是我要消除第0维，所以找每一列的最大值来充当原来维度的唯一值，（维度数减1）
  axis=1，意思是我要消除第1维，所以找每一行的最大值来充当原来维度的唯一值，（维度数减1）

• tf.get_variable_scope().reuse_variables()的作用
  https://blog.csdn.net/qq_34914551/article/details/86516705
  某个变量已经存在了，不能这样再次生成这个变量。其实就是因为第一个输入进去生成了一系列的变量，这些变量只能用于第一个输入送来的数据。现在第二个输入也想用第一个输入对应的参数，这是不行的。

• tf.where
  returned in a 2-D tensor，将返回其中为true的元素的索引。
  https://www.cnblogs.com/lyc-seu/p/8565997.html
  coordinates——坐标

• tf.not_equal
  返回 (x! = y) 元素的真值.
  该函数将返回一个 bool 类型的张量.

• tf.gather th.gather_nd
  https://www.jianshu.com/p/dd2b8d290fa5

我们使用这个函数的一般是想完成这样一个功能：T是一个二维tensor，我们想要根据另外一个二维tensor value的最后一维最大元素的下标选出tensor T 中最后一维最大的元素，组成一个新的一维的tensor，那么就可以首先选出最后一维度的下标[1,2,3]，然后将将其扩展成[[0,1],[1,2],[2,3]]，然后使用这个函数选择即可。

max_indicies = tf.argmax(T, 1)
import tensorflow as tf

sess = tf.InteractiveSession()

values = tf.constant([[0, 0, 0, 1],
                      [0, 1, 0, 0],
                      [0, 0, 1, 0]])

T = tf.constant([[0, 1, 2 ,  3],
                 [4, 5, 6 ,  7],
                 [8, 9, 10, 11]])

max_indices = tf.argmax(values, axis=1)
#If T.get_shape()[0] is None, you can replace it with tf.shape(T)[0].
result = tf.gather_nd(T, tf.stack((tf.range(T.get_shape()[0], 
                                            dtype=max_indices.dtype),
                                   max_indices),
                                  axis=1))
print(result.eval())