代码中遇见的各中不懂的函数总结

np.expand_dims 函数用于在数组中插入新的轴，从而改变数组的形状。具体的使用方式如下：

np.expand_dims(array, axis)

这是 TensorFlow 运行计算图的关键方法，通过这个函数，你可以执行一系列计算操作，并获取它们的输出结果。

• array：要扩展的数组。
• axis：指定在哪个位置插入新的轴。可以是正整数、负整数或者元组。

  import numpy as np
  
  # 假设有一个一维数组
  arr = np.array([1, 2, 3])
  
  # 在第一个维度（最外层）插入新的轴
  expanded_arr = np.expand_dims(arr, axis=0)
  print(expanded_arr)
  # 输出：[[1 2 3]]
  
  # 在最后一个维度（最内层）插入新的轴
  expanded_arr = np.expand_dims(arr, axis=-1)
  print(expanded_arr)
  # 输出：
  # [[1]
  #  [2]
  #  [3]]
  
  # 在两个维度上同时插入新的轴
  expanded_arr = np.expand_dims(arr, axis=(0, -1))
  print(expanded_arr)
  # 输出：
  # [[[1]
  #   [2]
  #   [3]]]
  

  sess.run(...) 是 TensorFlow 中用于执行计算图中节点（或操作）的函数。这个函数的主要目的是计算一组节点的输出值。下面是一些关键点：

• 输入参数：

  • Nodes/Operations: 通过传递计算图中的节点或操作来指定要计算的内容。可以是单个节点，也可以是节点的列表。
  • Feed Dictionary: 通过 feed_dict 参数，你可以提供替代计算图中任何 tf.placeholder 的具体数值。这样，你可以在运行时将实际的数据传递给模型。

• 返回值：

  • Tensor: 如果你运行的是单个节点，sess.run(...) 将返回该节点的输出值（Tensor）。
  • List of Tensors: 如果你运行的是多个节点，返回一个包含这些节点输出值的列表。

• 示例：

  python

• result = sess.run([node1, node2], feed_dict={placeholder1: value1, placeholder2: value2})
  

  在这个例子中，node1 和 node2 是计算图中的两个节点，placeholder1 和 placeholder2 是占位符，value1 和 value2 是它们的具体数值。sess.run(...) 将返回 [result1, result2]，分别是 node1 和 node2 的输出值。