python3 与python2 区别

• print
  python3:print(‘%f’%name)有括号
  python2:print ‘%f’%name无括号
• xrange
  python3中，将range和xrange合并为range
• size写作(100,)，是一个1*100的array，而不是100*1

• transpose转置
  Xte=Xte.reshape(10000,3,32,32).transpose(0,2,3,1)
  transpose是放的顺序 10000（0）放第一位，3（1）放到第四位，32（2）放第二位，32（3）放到第三位

• 创建array
  a = np.array([[1,1],[2,2]])([[],[],[]])

• reshape
  通过reshape.(-1, 1)转化为多行一列的形式
  x_train(x_train.shape[0], -1) 将多维矩阵 比如5000*32*32*3变成5000*3072

• flatten()
  y_val_train = y_val_train.reshape(1, -1)这种方式不行，虽然转化了一行的形式，但最终该变量仍为矩阵形式，而不是行向量形式,flatten操作可以完美替代上面的[:, 0]操作
  y_val_train = y_val_train.flatten()

• hstack
  增加一列
  X_train = np.hstack([X_train, np.ones((X_train.shape[0], 1))])#(49000, 3073)

• _
  作为一个名称：这与上面一点稍微有些联系，此时“_”
  作为临时性的名称使用。这样，当其他人阅读你的代码时将会知道，你分配了一个特定的名称，但是并不会在后面再次用到该名称。例如，下面的例子中，你可能对循环计数中的实际值并不感兴趣，此时就可以使用“_”。

n = 42
for _ in range(n):
do_something()

• 矩阵用法
  scores_correct = scores[np.arange(num_train), y_dev]
  其中，
  
  输出500行，每行取的是1*10中的第y[i]个，比如第二行y[1]=5，就是取scores的第二行第5列的值。

• axis
  row_sum = np.sum(margins, axis=1)
  axis=0 行 累加每一行，最后输出C列；
  axis=1 列 累加每一列，最后输出N行；

• a, b = X.shape
  X.shape为(500, 3073),分别赋给a和b，所以和a和b都是int型，size为1，值分别为500和3073.