1.np.ravel（）方法
ravel是將數(shù)組維度拉成一維數(shù)組，也就是將矩陣向量化

x = np.array{ [ [ 1 , 2 , 3 ] , [ 4 , 5 , 6 ] ] } print(np.ravel(x))

輸出

[ 1 2 3 4 5 6 ]

2.b = a[np.newaxis,:]

import numpy as np a = np.arange(0, 10) print('a.shape',a.shape) print('a',a) b = a[np.newaxis,:] c = a[:,np.newaxis] print('b.shape',b.shape) print('b',b) print('c.shape',c.shape) print('c',c)

輸出：

a.shape (10,) a [0 1 2 3 4 5 6 7 8 9] b.shape (1, 10) b [[0 1 2 3 4 5 6 7 8 9]] c.shape (10, 1) c [[0][1][2][3][4][5][6][7][8][9]]

3.tf.device()

使用 tf.device() 指定模型運(yùn)行的具體設(shè)備，可以指定運(yùn)行在GPU還是CPU上，以及哪塊GPU上。
使用 tf.device(’/gpu:1’) 指定Session在第二塊GPU上運(yùn)行
tensorflow中不同的GPU使用/gpu:0和/gpu:1區(qū)分，而CPU不區(qū)分設(shè)備號(hào)，統(tǒng)一使用 /cpu:0

4.tf.train.RMSPropOptimizer
是一種優(yōu)化算法，有很多種優(yōu)化算法，具體見(jiàn)下面這個(gè)文檔，有空好好學(xué)習(xí)下
https://www.cnblogs.com/bigcome/p/10084220.html

5.tf.train.Coordinator()

TensorFlow提供了兩個(gè)類來(lái)實(shí)現(xiàn)對(duì)Session中多線程的管理：tf.Coordinator和 tf.QueueRunner，這兩個(gè)類往往一起使用。

Coordinator類用來(lái)管理在Session中的多個(gè)線程，可以用來(lái)同時(shí)停止多個(gè)工作線程并且向那個(gè)在等待所有工作線程終止的程序報(bào)告異常，該線程捕獲到這個(gè)異常之后就會(huì)終止所有線程。使用 tf.train.Coordinator()來(lái)創(chuàng)建一個(gè)線程管理器（協(xié)調(diào)器）對(duì)象。
QueueRunner類用來(lái)啟動(dòng)tensor的入隊(duì)線程，可以用來(lái)啟動(dòng)多個(gè)工作線程同時(shí)將多個(gè)tensor（訓(xùn)練數(shù)據(jù)）推送入文件名稱隊(duì)列中，具體執(zhí)行函數(shù)是 tf.train.start_queue_runners ， 只有調(diào)用 tf.train.start_queue_runners 之后，才會(huì)真正把tensor推入內(nèi)存序列中，供計(jì)算單元調(diào)用，否則會(huì)由于內(nèi)存序列為空，數(shù)據(jù)流圖會(huì)處于一直等待狀態(tài)。

6.os.path.exists()
os.path.exists()就是判斷括號(hào)里的文件是否存在的意思，括號(hào)內(nèi)的可以是文件路徑。

7.python中[-1]、[:-1]、[::-1]、[2::-1]的使用方法

import numpy as np a=[1,2,3.4,5] print(a) [ 1 2 3 4 5 ]print(a[-1]) ###取最后一個(gè)元素 [5]print(a[:-1]) ### 除了最后一個(gè)取全部 [ 1 2 3 4 ]print(a[::-1]) ### 取從后向前（相反）的元素 [ 5 4 3 2 1 ]print(a[2::-1]) ### 取從下標(biāo)為2的元素翻轉(zhuǎn)讀取 [ 3 2 1 ]

8.np.vstack
np.vstack:按垂直方向（行順序）堆疊數(shù)組構(gòu)成一個(gè)新的數(shù)組

In[3]: import numpy as npIn[4]: a = np.array([[1,2,3]]) a.shape Out[4]:(1, 3)In [5]: b = np.array([[4,5,6]]) b.shape Out[5]:(1, 3)In [6]:

c = np.vstack((a,b)) # 將兩個(gè)（1,3）形狀的數(shù)組按垂直方向疊加

print(c) c.shape # 輸出形狀為（2,3） [[1 2 3] [4 5 6]] Out[6]:(2, 3)In [7]: a = np.array([[1],[2],[3]]) a.shape Out[7]:(3, 1)In [9]: b = np.array([[4],[5],[6]]) b.shape Out[9]:(3, 1)In [10]: c = np.vstack((a,b)) # 將兩個(gè)（3,1）形狀的數(shù)組按垂直方向疊加 print(c) c.shape # 輸出形狀為（6,1） [[1] [2] [3] [4] [5] [6]] Out[10]:(6, 1)

總結(jié)

以上是生活随笔為你收集整理的一些python函数及其用法的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。