矩阵一般有行也有列，所以矩阵的截取也需要包含行和列两个参数。 　　假设a是一个矩阵，a的截取就可写成：a[起始行:终止行,起始列:终止列]，中括号中有一个逗号，逗号前的是为了分割行的，逗号后的是为了分割列的。例如： import numpy as np a1=np.array ...

1、tf.concat tf.concat的作用主要是将向量按指定维连起来，其余维度不变；而1.0版本以后，函数的用法变成： t1 = [[1, 2, 3], [4, 5, 6]] t2 = [[7, 8, 9], [10, 11, 12]] #按照第0维连接 tf.concat ...

gather用于高级切片，有关官方文档的介绍，关于维度的说明很是费解，示例也不太直观，这里给出我的解读，示例见下面， indices = [[0, 0], [1, 1]] params = [['a', 'b'], ['c', 'd']] output ...

十一、切片 Go 语言切片是对数组的抽象，因此切片是引用类型。但自身是结构体，值拷贝传递。 Go 数组的长度不可改变，在特定场景中这样的集合就不太适用，Go 中提供了一种灵活，功能强悍的内置类型切片("动态数组")，与数组 相比切片的长度是不固定的，可以追加元素，在追加时可能使切片的容量增大 ...

1、创建张量 通过 tf.convert_to_tensor 函数可以创建新 Tensor，并将保存在 Python List 对象或者Numpy Array 对象中的数据导入到新 Tensor 中 ...

Tensorflow–池化操作 pool(池化)操作与卷积运算类似，取输入张量的每一个位置的矩形邻域内值的最大值或平均值作为该位置的输出值，如果取的是最大值，则称为最大值池化；如果取的是平均值，则称为平均值池化。pooling操作在图像处理中的应用类似于均值平滑，形态学处理，下采样 ...

Tensorflow–一维离散卷积 一维离散卷积的运算是一种主要基于向量的计算方式 一.一维离散卷积的计算原理 一维离散卷积通常有三种卷积类型：full卷积，same卷积和valid卷积 1.full卷积 full卷积的计算过程如下：K沿着I顺序移动，每移动一个固定 ...

官方API(需翻墙) 中文API 方法 返回值类型 参数 说明 算数运算符 .add() ...