python函数- exp、np.linalg.norm、np.multiply（）、np.dot（）、*、outer（）、squeeze

1. exp()

math.exp()的参数必须是一个实数
numpy.exp()参数可以是一个向量

2. np.linalg.norm(求范数)

x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False)
参数：
x：矩阵或向量
ord：范数类型，常用为1和2，也可以为负数
axis：处理方式
– axis=1表示按行向量处理，求多个行向量的范数
– axis=0表示按列向量处理，求多个列向量的范数
– axis=None表示矩阵范数
keepding：是否保持矩阵的二维特性
– True表示保持矩阵的二维特性，False相反

3. np.multiply（）、np.dot（）和星号（*）、outer（）的区别

（1） np.multiply()函数

数组和矩阵对应位置相乘，输出与输入数组/矩阵的大小一致。
两个数组运算，结果为一个数组，两个矩阵运算，结果为一个矩阵。
数组：

A=array([[1, 2],
         [3, 4]])
B=array([[0, 1],
         [2, 3]])
np.multiply(A,B) =array([[