深度学习入门—tensorflow2—2.1预备知识

tf.where

tf.where(条件语句，真返回A，假返回B)

import tensorflow as tf

a = tf.constant([1, 2, 3, 1, 1])
b = tf.constant([0, 1, 3, 4, 5])
c = tf.where(tf.greater(a, b), a, b)  # 若a>b，返回a对应位置的元素，否则返回b对应位置的元素
print("c：", c)

运行结果

np.random.RandomState.rand

np.random.RandomState.rand(维度)
返回一个[0.1）之间的随机数

import numpy as np

rdm = np.random.RandomState(seed=1) #seed=常数，每次生成随机数相同
a = rdm.rand()  #返回一个随机标量
b = rdm.rand(2, 3) #返回维度为2行3列随机数矩阵
print("a:", a)
print("b:", b)

运行结果

np.vstack

将两个数组按垂直方向叠加
np.vstack（数组1，数组2）

import numpy as np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.vstack((a, b))
print("c:\n", c)

运行结果

np.mgrid[]      .ravel()      np.c_[]

三个经常一起使用，可以生成网格坐标点

np.mgrid[ 起始值：结束值：步长，起始值：结束值：步长，···]
返回若干组维度相同的等差数组，[起始值   结束值）前闭后开区间

x.ravel() 将x变为一维数组，“吧.前变量拉直”

np.c_[数组1，数组2，···] 使返回的间隔数值点配对

import numpy as np
import tensorflow as tf

# 生成等间隔数值点
x, y = np.mgrid[1:3:1, 2:4:0.5]  #2行4列
# 将x, y拉直，并合并配对为二维张量，生成二维坐标点
grid = np.c_[x.ravel(), y.ravel()]  #配对输出
print("x:\n", x)
print("y:\n", y)
print("x.ravel():\n", x.ravel())
print("y.ravel():\n", y.ravel())
print('grid:\n', grid)

运行结果

np.mgrid 用法

功能：返回多维结构，常见的如2D图形，3D图形

np.mgrid[ 第1维，第2维 ，第3维 ， …] 

第n维的书写形式为：

a:b:c  #c表示步长，为实数表示间隔；该为长度为[a,b),左开右闭

或：

a:b:cj   #cj表示步长，为复数表示点数；该长度为[a,b]，左闭右闭 

1）生成1D数组：

a=np.mgrid[-4:4:3j]
a

在[-4,4]区间内取3个值

返回：

array([-4.,  0.,  4.])

2）生成个2D矩阵：

mgrid[[1:3:3j, 4:5:2j]]

生成的是3*2的矩阵

import numpy as np
x, y = np.mgrid[1:3:3j, 4:5:2j]
x

x返回：

array([[1., 1.],
       [2., 2.],
       [3., 3.]])

输出y:

array([[4., 5.],
       [4., 5.],
       [4., 5.]])

所以表示的结果是：

[[(1,4),(1,5)]
 [(2,4),(2,5)]
 [(3,4),(3,5)]
]

结果值先y向右扩展，再x向下扩展

这也就解释了为什么x的运行结果是
因为y有4列，所以x也是4列
因为x有2行，所以y也有2行

参考内容: 预备知识.
参考内容: np.mgrid.