Python

1 二维图像 1.1 二维曲线 x, y：横坐标和纵坐标 ls：颜色、点标记、线型列表，如 ls='r*-' 表示红色实线、*形点，ls='g.' 表示绿色散点 lw：线宽度 label：线标签 x,

1 前言 三阶数字华容道问题又称八数码问题，目前解决数字华容道问题的方法主要有DFS、贪婪算法、A算法等。DFS时间复杂度较高，贪婪算法和A算法都能得到一个有效解，但都不是最优解。笔者通过大量实验，使

1 txt文件 1.1 写操作 1.2 读操作 file.read([size]) 读取 size 个字符，并将指针移到这次读取的最后一个字符的后面。当 size 省略时，表示读取所有内容 file.

1 前言 tensorflow中定义了3个交叉熵损失函数： softmax_cross_entropy_with_logits(logits, labels) softmax_cross_entrop

1 前言 声明：本博客里的数组乘法运算是指矩阵乘法运算，不是对应元素相乘。 在线性代数或高等代数中，我们学习了矩阵乘法，那么，什么样的高维数组才能相乘？tensorflow 又是如何定义高维数组运算规

1 前言 声明：本博客讨论的数组间运算是指四则运算，如：a+b、a-b、a*b、a/b，不包括 a.dot(b) 等运算，由于 numpy 和 tensorflow 中都遵循相同的规则，本博客以 nu

1 使用list初始化 2 赋值与复制 （1）赋值 在赋值情形下，b 和 a 指向同一块地址，b 改变，a 也随着改变 。 在使用切片时，切片改变，原数据也会改变。 （2）复制 在复制情形下，b和a指

1 前言 np.newaxis的意思是给数组新增一个维度。“python中矩阵切片维数微秒变化”中介绍了矩阵切片有时候会降低矩阵维度，为保证维度不变，可以用np.newaxis新增一个维度。 2 nu

1 numpy数组 1.1 append() 运行结果 变量空间 将一个数添加到一个向量中，也可以使用 append()，如下： 1.2 stack()、vstack()、hstack() 运行结果

1 前言 使用切片访问矩阵的部分数据（特别是一行或一列数据）时，通常会出现切片维数怎么在瞎变化，以致于不得不用reshape()强制改变维数。在深度学习中，网络对矩阵维数的要求是非常严格的，往往就是这

1 乘法 在数组中，a * a计算对应元素相乘（矩阵点乘）；在矩阵中，A*A计算矩阵乘法 np.multiply()计算对应元素相乘（矩阵点乘） np.dot()计算矩阵乘法 补充：tensorflo