接下来我要说 tf.argmax()函数的事情，所以这里先简单铺垫以下数组索引的事情。
python数组中用 “[]” 来区分维度，举个例子。
对于只有行和列两个维度的数组来讲，定义的方式如：（4*3数组）
import numpy as np
test=np.array([[1,2,3],[2,3,4],[5,4,3],[8,7,2]])
print(test)
这样第一个 [1,2,3] 表示第一维即第一行的数据，下一个[2,3,4]表示第二行的数据，以此类推。同时要注意，python使用 [] 来区分数组的维度，表示多维数组时，同一维度的要用 [] 括起来。比如一张灰度图像是二维数组，它在print之后有行和列两个维度，python先展示行，再展示列，每一行都用 [] 括起来，之间用“，”分隔，最后所有的行也要用 [] 括起来表示是二维数组。所以在定义和展示的时候，二维数组都有两个[]。
技巧是看最前面有几个 " [ " 就是几维数组。
但是要注意，python中数组的索引都是从0开始的！也就是存在第0行和第0列，同时[A:B]也都是表示从A到B截止，不包含B。
test[0] = array([1, 2, 3]) #第0行
test[1] = array([2, 3, 4]) #第1行
test[2] = array([5, 4, 3]) #第2行
test[3] = array([8, 7, 2]) #第3行
import numpy as np
test=np.array([[1,2,3],[2,3,4],[5,4,3],[8,7,2]])
print(test[0])
print(test[1])
print(test[2])
print(test[3])
输出：
test[:,0] = array([1, 2, 3]) #第0列
test[:,1] = array([2, 3, 4]) #第1列
test[:,2] = array([5, 4, 3]) #第2列
test[:,3] = array([8, 7, 2]) #第3列
import numpy as np
test=np.array([[1,2,3],[2,3,4],[5,4,3],[8,7,2]])
print(test[:,0])
print(test[:,1])
print(test[:,2])
print(test[:,3])
输出：
可以看出来，python的显示可能没有matlab那么直观，他不会行展示成横的，列展示成竖的，它只会用 [] 去分割每一维，这里要注意，尤其是常用matlab的人，很容易搞混，比如我
然而对于三维数组，前面有写过一篇文章，对于RGB三维数组，输出为：
第一个 [ ] 其实是第一行第一列的元素的三个RGB值，第二个 [] 是第一行第二列元素的三个RGB值，然后说完一行，再说下一行直到到最后一个。
下面贴一个参考文献中，关于python中数组和列表读取一列的方法：
文献 [1] :
在python中，普通的列表list和numpy中的数组array是不一样的，最大的不同是：一个列表中可以存放不同类型的数据，包括int、float和str，甚至布尔型；而一个数组中存放的数据类型必须全部相同，int或float。
在list中的数据类型保存的是数据的存放的地址，简单的说就是指针，并非数据，这样保存一个list就太麻烦了，例如list1=[1,2,3,4]需要4个指针和四个数据，增加了存储和消耗cpu，而array1=numpy.array([1,2,3,4])只需要存放四个数据，读取和计算更加方便，因此在做纯数字操作时，建议使用array。
也正因为列表可以存放不同类型的数据，因此列表中每个元素的大小可以相同，也可以不同，也就不支持一次性读取一列，即使是对于标准的二维数字列表：
>>> a=[[1,2,3],[4,5,6]]
>>> a[0] #取一行
[1, 2, 3]
>>> a[:,0] #尝试用数组的方法读取一列失败
TypeError: list indices must be integers or slices, not tuple
我们需要用列表解析的方法读取一列：
>>> b=[x[0] for x in a]
>>> print(b)
[1, 4]
而对于数组，可以直接读取：
>>> import numpy as np
>>> a=np.array([[1,2,3],[4,5,6]])
>>> a[:,0]
array([1, 4])
当然列表在处理混合数据时也有着独特的优势。
