x = tf.placeholder(tf.float32,shape = [BATCH_SIZE,IMAGE_PIXELS])
np.load np.save讲数组以二进制的格式读出/写入磁盘，拓展名为.npy
np.save(".npy",某个数组)，就是把数组写入某个npy文件
某变量=np.load(".npy",encoding=" ").item() 遍历整个npy文件的键值对
tf.shape(a)返回a的维度 a可以是tensor、list、array
sess.run(tf.shape(x))
tf.nn.bias_add(乘加和，bias) #把bias加到乘加和上
tf.reshape(tensor,[n,m]/[-1,m]) -1表示行跟随m列自动计算
np.argsort(列表) #对列表从小到大排序，返回索引值
os.getcwd() #返回当前工作目录
os.path.join( , ) #拼出整个路径，可引导到特定文件
eg.vgg16_path = os.path.join(os.getcwd(),"vgg16.npy")
tf.split(切谁，怎么切，在哪个维度切)
value.shape [5,30]
split0,split1,split2 = tf.split(value,[4,15,11],1)
tf.shape(split0) [5,4]
tf.shape(split1) [5,15]
tf.shape(split2) [5,11]
tf.concat(值，在哪个维度)
t1 = [[1,2,3],[4,5,6]]
t2 = [[7,8,9],[10,11,12]]
tf.concat([t1,t2],0) ==> [[1,2,3],[4,5,6],[7,8,9],[10,11,12]]
具体其他很多函数可以查阅https://tensorflow.google.cn/
#画图
fig = plt.figure("图名字")
img = io.imread(图片路径)
ax = fig.add_subplot(数，数，数) 数数数分别是：包含几行，几列，当前是第几个
ax.bar(bar的个数，bar的值，每个bar的名字，bar宽，bar色) 条形统计图
ax.set_ylabel(" ") y轴名字，u"中文"
ax.set_title(" ") #子图名字
ax.text(文字x坐标，文字y坐标，文字内容，ha='center'(横向),va='bottom'（纵向）,fontsize = 7)
ax = imshow(图)