#key的作用——在元素列表中标识唯一元素的标识符
当使用列表渲染时 React需要一种方法来更新DOM元素被添加、删除或更新。如果没有为元素提供key，React只能通过遍历子元素的顺序来比较，但这可能会导致性能下降和不一致的UI。通过提供唯一的key，React可以更快速、准确地更新元素，并提高应用程序的性能。
因此，在使用JAX进行列表渲染时，始终应该为元素提供key。

列表渲染是指在页面中动态生成列表，将数据通过循环渲染到页面上。
React是一种JavaScript库，用于构建用户界面，它提供了组件化的开发方式，能够实现高效的渲染和更新。UI即User Interface，指的是用户界面的设计和实现。
DOM是网页的编程接口，提供了一种表述形式将文档作为一个结构化的节点组以及包含属性和方法的对象。从本质上说，它将web页面和脚本或编程语言连接起来了。（详情如下）什么是DOM（超详细解释，建议收藏！！！）_今天去学习了吗？的博客-CSDN博客

应用程序编程接口API——别人写好的代码，或者编译好的程序，提供给你使用

Python中numpy数组切片：print(a[0::2])、[::-1]、[::2]、[:,2]、[1:,-1:]、[ : ,: -1]，[:,-2:]、[ : n]、[m : ]等含义（详细）_python中[::2]_锵锵锵锵~蒋的博客-CSDN博客numpy 一维、二维数组切片操作，附详细示例。数组切片用到的负数值怎么理解附了很多例子！a[:-1],a[::-1],a[-2:-1]，a[-2::-1]、X[ : , :-1]，X[ : ,-1: ]，x[:,-2:]，x[:,-2:-1]可以自己试一试就懂了。https://blog.csdn.net/weixin_43629813/article/details/101122997?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522168009593316800213092053%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=168009593316800213092053&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~baidu_landing_v2~default-5-101122997-null-null.142%5Ev77%5Ewechat,201%5Ev4%5Eadd_ask,239%5Ev2%5Einsert_chatgpt&utm_term=python%E6%95%B0%E7%BB%84%E5%88%87%E7%89%87&spm=1018.2226.3001.4187python：flatten()参数详解_皮皮宽的博客-CSDN博客python：flatten()参数详解这篇博客主要写flatten（）作用，及其参数的含义flatten()是对多维数据的降维函数。flatten(),默认缺省参数为0，也就是说flatten()和flatte(0)效果一样。python里的flatten(dim)表示，从第dim个维度开始展开，将后面的维度转化为一维.也就是说，只保留dim之前的维度，其他维度的数据全都挤在dim这一维。比如一个数据的维度是(S1,S2,S3.........,Sn)(S1,S2,S3........https://blog.csdn.net/kuan__/article/details/116987162?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522168009820416800222892344%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=168009820416800222892344&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-1-116987162-null-null.142%5Ev77%5Ewechat,201%5Ev4%5Eadd_ask,239%5Ev2%5Einsert_chatgpt&utm_term=flatten&spm=1018.2226.3001.4187

None的用法(新增维度)Pytorch中[:,None]的用法解析_cv_lhp的博客-CSDN博客Tensor中利用None来增加维度，可以简单的理解为在None的位置上增加一维，新增维度大小为1，同时有几个None就会增加几个维度。2.1 [None,:,:]和[None,:]输出张量一样，输入数据为二维张量，输出为三维张量。2.2 [None,None:,:]和[None,None]输出张量一样，输入数据为二维张量，输出为四维张量。2.3 [:,None,:]和[:,None]输出张量一样，输入数据为二维张量，输出为三维张量。2.4 [:,None,:]和[:,None]输出张https://blog.csdn.net/flyingluohaipeng/article/details/125093683?ops_request_misc=&request_id=&biz_id=102&utm_term=x%5B:,None%5D&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-0-125093683.142%5Ev81%5Ekoosearch_v1,201%5Ev4%5Eadd_ask,239%5Ev2%5Einsert_chatgpt&spm=1018.2226.3001.4187​​​​​Python学习系列之lambda表达式_python lambda_answer3lin的博客-CSDN博客一、lambda定义与用法lambda表达式是一行的函数。它们在其他语言中也被称为匿名函数。即，函数没有具体的名称，而用def创建的方法是有名称的。如果你不想在程序中对一个函数使用两次，你也许会想用lambda表达式，它们和普通的函数完全一样。而且当使用函数作为参数的时候，lambda表达式非常有用，可以让代码简单，简洁。lambda表达式返回的是function类型，说明是一个函数类型。...https://blog.csdn.net/answer3lin/article/details/86352009?ops_request_misc=&request_id=&biz_id=102&utm_term=python%E4%B8%ADlamda&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-2-86352009.nonecase&spm=1018.2226.3001.4187

for in zip() 并行遍历
uniform_以给定形状/dtype的[minval，maxval）形式采样均匀随机值

#sys模块：用于访问与Python解释器和其环境有关的变量和函数。
#matplotlib.pyplotmat模块：用于绘制图形和数据可视化的库(matplotlib库子模块)。
#matplotlib库：是一个用于绘图的Python库，提供了许多绘图相关的功能和设置。
#cm模块(matplotlib库)：提供了一系列颜色映射函数，用于将数据值映射到颜色。
#optax库：用于定义和应用优化算法
#jaxopt库：基于jax和optax的优化库，提供了一些常用的优化算法和工具。

#数组VS矩阵
矩阵= 数字 + 二维数组 + 无逗号
数组= 字符(串) +  一维/多维 + 有逗号

>>>random语法>>>
random.normal(key,shape,dtype)——从给定的正态分布中随机抽样，不设置则默认标准正态；
random.PRNGkey(seed)——创建一个给定整数种子的伪随机数生成器（PRNG）密钥;

random.rand(k,j,i)——[0,1)抽取                                //(k,j,i)确定数组维度
random.randn(k,j,i)——正态分布随机抽取
random.randint(start,end,size=(k,j,i))——[start,end)抽取

random.shuffle(key,x,axis=0)——沿着一个轴随机均匀地打乱数组中的元素。

>>>Numpy库>>>

numpy.multiply(a,b)——两个0维矩阵 = 标量相乘a*b //return一个标量；
numpy.dot(a,b)——两个一维矩阵 = 向量点乘(内积) //return一个标量；
numpy.matumal(a,b)——两个二维矩阵 = 矩阵乘积a@b //return一个数值矩阵；

arange()——返回给定区间内确定间隔的值
1.arange(stop)——[0,stop) 间隔=1
2.arange(start,stop)——[start,stop) 间隔=1
3.arange(start,stop,end)——[start,stop) 间隔=step     

 ​​shape(j,i)——返回数组/矩阵维度
一维数组shpe(i,)——逗号后空着默认一维数组(长度为i)
矩阵/二维数组shape(j,i)——j=二维长度/行数 + i=一维长度/列数

Axis(delete、sum函数) axis=0-y轴负方向/对行操作 + axis=1-x轴正方向/对列操作