tensorflow零起点快速入门(7)，截图整理

tf.gradients

tf.stop_gradient

np.ravel

tf.distrbution.prob/sample

获取对应位置的概率值

python的Queue

tf.sequeeze

tf.one_hot

tf.one_hot的必要性在于：one_hot方式，去掉了标签的顺序影响，让输出标签之间的欧式距离相等。而不是认为，标签1和标签3的距离，与标签2和标签3的距离，不等。逻辑上更合理。

同时，标签本身，如果非数字形式，则更有必要处理。所以说，行为表示，作为输入，则也应该进行onehot转换，表达出行为之间距离相同。

https://blog.csdn.net/taotiezhengfeng/article/details/73692239

tf.concat

tf.expand_dim

维数拓展

tf.cast

类型转换

tf.gather_nd