numpy
1.numpy的多维数组切片
例如：
import numpy as np
a = np.arange(36)
print(a)
--->>
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
25 26 27 28 29 30 31 32 33 34 35]
b = a.reshape(6, 6)
print(b)
--->>
[[ 0 1 2 3 4 5]
[ 6 7 8 9 10 11]
[12 13 14 15 16 17]
[18 19 20 21 22 23]
[24 25 26 27 28 29]
[30 31 32 33 34 35]]
c = b[0, 1:4]
print(c)
--->>
[1 2 3]
d = b[2:4, 1:4]
print(d)
--->>
[[13 14 15]
[19 20 21]]
e = b[:, 1:4]
print(e)
--->>
[[ 1 2 3]
[ 7 8 9]
[13 14 15]
[19 20 21]
[25 26 27]
[31 32 33]]
从例子中我们可以得到结论，对于多维数组，[a:b,c:d,e:f,....]，其中第一个逗号前表示在第一维的下标的取值范围，第二个逗号前的表示在第二维方向上的取值范围，以此类推。
theano
1.theano.gradient.grad_clip(x,lower_bound,upper_bound)：梯度裁剪
其中x是想要进行梯度裁剪的输入，lower_bround,upper_bound表示梯度的上限和下限。
2.theano.tensor.le(a,b)：返回a,b中较小的值a<=b
3.theano.tensor.gt(a,b)：返回逻辑上大于的值，表示为'int8'的tensor, 也可以用来表示语法a>b
4.theano.tensor.lt(a,b)：返回逻辑上较小的值，表示为一个'int8'的tensor，也可以用来表示语法a < b
