常遗忘的函数，f.reduce_sum,np.argsort

1)

其中，tf.reduce_sum用法如下：

# 'x' is [[1, 1, 1]

#         [[1, 1, 1]]

#求和

tf.reduce_sum(x) ==> 6

#按列求和

tf.reduce_sum(x, 0) ==> [2, 2, 2]

#按行求和

tf.reduce_sum(x, 1) ==> [3, 3]

#按照行的维度求和

tf.reduce_sum(x, 1, keep_dims=True) ==> [[3], [3]]

#行列求和

tf.reduce_sum(x, [0, 1]) ==> 6
 

其中，tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor（图像）的平均值。

tf实现if 语句：

2)

numpy.argsort(a, axis=-1, kind=’quicksort’, order=None) 
功能: 将矩阵a按照axis排序，并返回排序后的下标 
参数: a:输入矩阵， axis:需要排序的维度 
返回值: 输出排序后的下标

>>> x = np.array([3, 1, 2])
>>> np.argsort(x)
array([1, 2, 0])

等同于 从小到大排序：[1,2,3]   其对应索引为：[1,2,0]

>>> x = np.array([[1, 5, 7], [3, 2, 4]])
>>> np.argsort(x, axis=0)
array([[0, 1, 1],
       [1, 0, 0]])            #列元素进行排序

等同于，按列排序：[[1,2,4][3,5,7]]  其对应索引为：[[0,1,1][1,0,0]]

>>> np.argsort(x, axis=1)
array([[0, 1, 2],
       [1, 0, 2]])             #行元素进行排序

等同于，按行排序 ： [[1,5,7][2,3,4]]   其对应索引为：[[0,1,2][1,0,2]]