tensorflow库和numpy库中的相关函数

tensorflow：

• tf.placeholder(shape=[2,10],dtype=tf.float32);//占位符操作，类型为[[2,10]的二维张量
• tf.gather(params,indices);表示从params中根据indices索引获取相应的滑块，举例如下：

• tf.expand_dims(tensor,axis);表明在制定位置对数据进行扩展一个维度，且扩展的这个维度一定为1维，如t2的shape为[2,3,4],expand_dims(t2,0),则其维度变为[1,2,3,4]；如果为expand_dims(t2,3),则其维度为[2,3,4,1];

  temp=tf.range(0,10)//表明生成0..9的10个整数张量
  temp2=tf.gather(temp,[0,1,9])
  sess=tf.Session()
  sess.run(temp)
  sess.close()

  temp2的值为array([0,1,5],dtype=int32),表明tf.gather指示根据indices索引从params中找寻滑块；
  tf.argmax(input,axis);//获取制定列的最大值索引

• tf.reduce_sum(input_tensor,axis,keep_dims=True);//求和操作，如果添上axis列的话，则是求制定列的和

• tf.squeeze(input,axis);//从input张量中移除掉所有维度为1的维度，如果axis也被声明的话，则从制定的列中移除掉值为1的维度，如tensor的shape是[1,2,3,5],直接调用squeeze函数的话，则会移除掉第一维度的维度，返回的shape为[2,3,5]，如果制定axis的话则首先得保证axis维度的维度一定为1；

numpy

• np.ceil:解释起来有些麻烦，可以参照如下代码理解：

  a = np.array([-1.7, -1.5, -0.2, 0.2, 1.5, 1.7, 2.0])
  np.ceil(a)
  array([-1., -1., -0.,  1.,  2.,  2.,  2.])

• np.argmax(array,axis,out);表示返回某一列最大值的索引，并将起天降到out数组中，如果out数组提供了的话，否则指示返回索引即可，见如下代码：

  a=[[1,2,3],[2,3,4],[9,7,8]]
  b=np.argmax(a,0)

  返回值为array([2,2,0]),np.argmax中的axis表示行和列，0代表列，1代表行

创建数组的方法：

from numpy import *
a=array([1,2,3],[4,6,7],dtype=float32)

b=zeros([3,4],dtype=int16)

c=arange(10,30,5)==>[10,15,20,25]

c_val=c.reshape(3,2)