theano
- theano.tensor.matrix(name=None,dtype=config.floatX)：返回一个2维ndarry变量。
- theano.tensor.matrix(name=None,dtype=config.floatX)：返回一个3维的ndarry变量。
- theano.tensor里有scalar(一个数据点),vector(向量),matrix(矩阵),tensor3(三维矩阵),tensor4(四维矩阵)。
python
- python中的
*args和**kwargs：
首先我们应该知道，并不是必须写成*args和**kwargs，变量前的*是必须的，可以写成*var和**vars，而写成*args和**kwargs只是一个通俗的命名约定。
*args和**kwargs主要用于函数定义，可以将不定量的参数传递给一个函数。
*args用来发送一个非键值对的可变数量的参数列表给一个函数。
**kwargs允许将不定长度的键值对作为参数传递给一个函数，如果想在一个函数里处理带有名字的参数，应该使用**kwargs。
2.python中内建函数isinstance的用法以及与type的区别
语法：isinstance(object, classinfo);用来判断对象类型。其中，object是变量，classinfo是类型即（tuple,dict,int,float,list,bool等）和class类，如参数object是classinfo类的实例，或者object是classinfo类的子类的一个实例，返回True，若object不是给定类型的实例，则返回结果总是False。若classinfo不是一种数据类型或者由数据类型构成的元组，将引发一个TypeError异常。
isinstance和type都可用来判断对象类型，但是对于一个class类的子类对象类型判断，type就不行，而isinstance可以。
3.python中子类调用父类的方法，super().__init__():
形式：
class A(object):
def __init__(self, xing, gender):
self.namea = 'aaa'
self.xing = xing
self.gender = gender
def funca(self):
print("function a :%s" %self.namea)
class B(A):
def __init__(self, xing, age):
super(B,self).__init__(xing, age)
self.nameb = 'bbb'
self.xing = xing.upper()
self.age = age + 1
def funcb(self):
print("function b: %s"%self.nameb)
b = B("lin", "man", 22)
print(b.nameb)
--->>bbb
print(b.namea)
---->>aaa
print(b.xing)
--->>LIN
print(b.age)
--->>23
b.funcb()
--->>function b: bbb
b.funca()
--->>function a: aaa
print(b.gender)
--->>22
通过验证，可以得出以下结论：
- B类可以继承A类，在B类的基础上可以调用A类所有的方法，代码最后的
b.funcb()和b.funca()可以实现。 - A,B同时拥有
__init__，B会改写A中的__init__方法，A类的方法失效。 - super函数可以调用A父类中的属性，如
namea,xing,当B中有同名属性时覆盖A中的同名属性，但调用函数时总是先查找它自身的定义，如果没有定义，则顺着继承链向上查找，直到在某个父类中找到为止。 - B类
__init__参数需大于或者等于A父类的__init__方法，因为super初试化了，参数量为父类参数量。 -
super函数原理：super().__init__(***,***)中的***参数为类B中输入的参数，但与类A中参数名相对应。
4.python中强大的format函数
自从python2.6开始，新增了一种格式化字符串的函数str.format()，次函数可以快速的处理各种字符串。
语法：它用{}和：来代替%。
>>>"{} {}".format("hello", "world") #不设置指定位置，按默认顺序
'hello world'
>>>"{0} {1}".format("hello", "word") #设置指定位置
'hello world'
>>>"{1} {0} {1}".format("hello","world") #设置指定位置
'world hello world'
也可以设置参数：
print("这是一个: {test_name}，作者是:{author}".format(test_name="test", author="sherry"))
--->>这是一个:test，作者是:sherry
也可以通过列表索引设置参数
my_list = ['test', 'sherry']
print("这是一个:{0[0]}，作者是:{0[1]}".format(my_list)) #"0"是必须的
--->>这是一个:test，作者是:sherry
Numpy
- numpy.prob:
numpy.prob(a, axis=None, dtype=None, out=None, keepdims=<class 'numpy._globals._NoValue'>)
返回给定轴上的数组元素的乘积。
Notes:
当使用整数类型时，算术是模块化的，在溢出时不会产生错误，如:
x = np.array([536870910, 536870910, 536870910, 536870910])
np.prod(x)
--->>16
空阵列的prod是元素1：
np.prod([])
--->>1.0
Examples:
默认情况下，计算所有的元素的乘积：
import numpy as np
print(np.prod([1., 2.]))
--->>2.0
即使输入数组是二维的：
a = np.prod([[1., 2.], [3., 4.]])
print(a)
--->>24.0
但是我们也可以指定要乘以的轴：
b = np.prod([[1., 2.], [3., 4.]], axis=1)
print(b)
--->>array([2., 12.])
如果x的类型是无符号的，那么输出类型是无符号整数：
x = np.array([1, 2, 3], dtype=np.uint8)
print(np.prod(x).dtype == np.uint)
--->>True
如果X是有符号整数类型，那么输出类型是默认的有符号整数：
x = np.array([1, 2, 3], dtype=np.int8)
print(np.prod(x).dtype == int)
--->>True
