Numpy

• 如果需要把一个多维数组“拍平”，可以使用 flatten 函数：name.flatten()
  数据的叠加hstack(打横) 和 vstack(树立)print('水平方向:', np.hstack((f, g)))

• image.shape[0]输出的是垂直方向的像素值
  imgs[0].shape是得到第一张图的height, width, channel三个值

• z.reshape(-1, 1)行数未知，列数为1，numpy.reshape(a, newshape, order='C')

• numpy.moveaxis （123）将2移动到3 同样的函数还有 transpose swapaxes

• a.dot(b)与np.dot(a,b)效果相同都是矩阵的相乘
  np.asarray(projection_matrix).dot(point_3d_position)是后者的矩阵点乘前者的矩阵
  区分np.matmul(h, i) 矩阵相乘
  https://blog.csdn.net/alwaysyxl/article/details/83050137

• round(80.23456, 2) : 80.23，不设置参数则取整

• np.linalg.norm 求范数 https://blog.csdn.net/hqh131360239/article/details/79061535
  np.linalg.det():矩阵求行列式 np.linalg.inv()：矩阵求逆
  np.transpose() : 矩阵转置(对于三维的数组，有比如(1,0,2)就是将第一维，第二维的元素进行reshape的操作，就是重新放置一下)

• numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)等差数列，当endpoint=false的时候，结束点会被排除，公差-10%，retstep=true的时候会显示公差。

• 对于numpy的数组

• a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print (a[...,1]) # 第2列元素
print (a[1,...]) # 第2行元素即等于print (a[1,:])逗号前的是索引，后面是空的切片
  print (a[...,1:]) # 第2列及剩下的所有元素反之print (a[1:,:])就是一维下第2行及剩下的所有元素
  print (a[::2]) #步长为2的切片
  ！对于n维数组，第n+1个参数是没有 “ , ”没有切片的性质的

• numpy.digitize(x, bins, right = False) 返回x在数组bins的位置（right：间隔是否包含最右）

TensorboardX

• 教程 https://www.jianshu.com/p/46eb3004beca