在TensorFlow裡除了常見的幾個模組之外，還有一些語法是很常被使用者使用。(像是上篇提到的tf.name.scope(命名域)在使用的時候，就會使用到tf.Session()的相關語法)；所以就讓我們來看看還有那些常見的語法吧~

tf.multinomial() / tf.random.categorical() :

tf.multinomial()是舊版的語法，在新版TensorFlow2.0就已經被移除，取而代之的是tf.random.categorical()，這個語法的目的在從一個分類分佈中抽取樣本。

super(Student,self).init() :
這是對繼承自父類別的屬性進行初始化。(是用父類別的初始化方法來初始化繼承的屬性，子類別繼承了父類別的所有屬性及方法)。

np.random.choice() :
numpy.random.choice(a, size=None, replace=True, p=None)
從a中隨機抽取數字，並組成指定大小(size)的數組。
(replace: True表示可以取相同數字，False表示不可以取相同數字)

tf.clip_by_value() :
tf.clip_by_value(A, min, max)
輸入一個張量A，把A中的每個元素的值都壓縮在min和max之間 (小於min的值會讓它等於min，大於max的值會讓它等於max)。

tf.placeholder() :
是一種佔位符，用於定義過程。

tf.Session() :
Session是TensorFlow常用來控制和輸出檔案的執行語句。(session.run()能夠獲得運算結果)。