要想用tensorflow解决问题，对numpy矩阵运算的熟悉是必不可少的
NumPy函数库中存在两种不同的数据类型（矩阵matrix和数组array），都可以用于处理行列表示的数字元素。虽然它们看起来很相似，但是在这两个数据类型上执行相同的数学运算可能得到不同的结果
import numpy as np
X.flags #数组的存储情况信息。 X.shape #结果是一个tuple，返回本数组的行数、列数、…… X.ndim #数组的维数，结果是一个数 X.size #数组中元素的数量 X.itemsize #数组中的数据项的所占内存空间大小 X.dtype #数据类型 X.T #如果X是矩阵，发挥的是X的转置矩阵 X.trace() #计算X的迹 np.linalg.det(a) #返回的是矩阵a的行列式 np.linalg.norm(a,ord=None) #计算矩阵a的范数 np.linalg.eig(a) #矩阵a的特征值和特征向量 np.linalg.cond(a,p=None) #矩阵a的条件数 np.linalg.inv(a) #矩阵a的逆矩阵
