1.python 接收命令行参数
import sys sys.argv 返回一个参数列表linux开发环境下常用的命令：
上传文件 rz -be 下载文件 sz 删除文件 rm 进入目录 cd ps -elf | grep "服务名" 查询进程号 kill -9 进程号 解压tgz格式文件 tar zxvf 文件名.tgz -C ./ cannot remove is a directory 表示这是个目录不能删除，但是我们可以采用强制删除的办法，cb文件夹是一个目录， 可用rm -rf cb删除：-r是递归处理 -f是强制删除。 执行命令: rm –rf cb 查看当前使用的python路径 which python sudo su root 获取root权限 conda activate bert-srv 创建虚拟坏境 编辑文件 vim 文件名 进入文件 a 编辑文件 退出编辑模式 shift : q enter nohup 加在一个命令的最前面，表示不挂断的运行命令 & 加载一个命令的最后面，表示这个命令放在后台执行windows 下 切换盘 C:>D:
tensorflow框架：
1.embedding函数 使用： tf.nn.embedding_lookup(params, ids, partition_strategy='mod') params:表示完整的嵌入张亮 ids：tensorflow类型 partition_strategy:指定分区策略的字符串，当前支持"div"和"mod",默认为"mod" 返回值：params中查找到的ids所组成的tensor。 这个函数根据ids中的值在params中找对应的index下的vector进行拼接。返回的tensor的维度是ids的维度+params的除第一纬度后的维度拼接。 列表转为tensorflow格式： d = [[3,1],[4,1],[5,1]] data = np.array(d) data = tf.convert_to_tensor(data) print(data.shape()) 2.reduce_mean函数 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。 reduce_mean(input_tensor, axis, keep_dims) input_tensor：输入待降维的tensor； axis：指定的轴，如不指定，则计算所有元素的均值。 keep_dims：是否降维度，设置为True,输出的结果保持输入tensor的形状，设置为false，输出结果降低维度 3. 全连接层 tf.layers.dense(input, units, activation，use_bias) inputs:输入该网络层的数据 units：输出的维度大小，改变inputs的最后一维 activation:激活函数，即神经网络的非线性变化 例：tf.nn.leaky_relu( 数学表达式 y = max(0, x) + leak*min(0,x)) use_bias： 是否使用偏置