tensorflow学习笔记（3）------北京大学 曹健

基础函数

本次学习到以后可能会用到的基本函数

1. tf.where

# 1. tf.where()
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（由greater函数充当这里的条件，
# greater就是比较它里面的元素，左边是否大于右边，是则返回1），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)

where函数返回一个张量，满足第一个参数（条件）就返回第二个参数的值，否则就返回第三个参数的值。
上述结果如下：

2. np.random.RandomState.rand()

np.random.RandomState.rand(维度) 默认为1，产生标量

# np.random.RandomState()  seed 保证随机因子一致，加不加无所谓
# np.random.RandomState.rand(维度)   默认为1，产生标量
rdm = np.random.RandomState(seed=1)
a = rdm.rand()
b = rdm.rand(2, 3)
print("a:", a)
print("b:", b)

3. np.vstack()

np.vstack(数组1， 数组2),作用：将两个数组垂直方向叠加

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)

结果：

4. np.mgrid[]、x.ravel()、np.c_

import numpy as np
x, y = np.mgrid[1:3:1, 2:4:0.5]
grid = np.c_[x.ravel(), y.ravel()]
print("x:", x)
print("y:", y)
print("grid:\n", grid)

np.mgrid[]是构建网格的过程，其中1:3：1表示从1到3取步长为1，也就是1、2 这两个值（左闭右开）。2:4：0.5就是从2到4步长为0.5，也就是2、2.5、3、3.5四个数。经过该函数可以生成一个类似下图的网格，你可以使用一个变量承接这个函数，也可以像代码里那样用x、y两个变量承接。

这个图是我画出来方便理解的，也就是说mgrid()函数第一个元素确立了x的两个值，而该函数的第二个元素确立了y轴的4个值，它们两两结合就可以生成8个点坐标。而该函数返回的值如果用一个未知数承接，是这样的：

y = np.mgrid[1:3:1, 2:4:0.5]

结果：

这是个（3,4）维矩阵，如果用x,y一起接收这个函数，可以得到：

也只是剥开了一层衣服。
#############################################

好，介绍下一个函数x.ravel()
该函数是将x矩阵拉伸为一维向量的过程。
np.c_函数是将其拼接的过程，将两个一维向量拼接坐标的形式。

这三个函数一起使用就可以自己创建网格了。