}

// TrimLeftFunc treats s as UTF-8-encoded bytes and returns a subslice of s by slicing off
// all leading UTF-8-encoded code points c that satisfy f(c).
func TrimLeftFunc(s []byte, f func(r rune) bool) []byte {
	i := indexFunc(s, f, false)
	if i == -1 {
		return nil
	}
	return s[i:]
}

// TrimRightFunc returns a subslice of s by slicing off all trailing
// UTF-8-encoded code points c that satisfy f(c).

"lui", "mă", "mâine", "mea", "mei", "mele", "mereu", "meu", "mi", "mine", "mult", "multă", "mulţi", "ne", "nicăieri", "nici", "nimeni", "nişte", "noastră", "noastre", "noi", "noştri", "nostru", "nu", "ori", "oricând", "oricare", "oricât", "orice", "oricînd", "oricine", "oricît", "oricum", "oriunde", "până", "pe", "pentru", "peste", "pînă", "poate", "pot", "prea", "prima", "primul", "prin", "printr", "sa", "să", "săi", "sale", "sau", "său", "se", "şi", "sînt", "sîntem", "sînteţi", "spre", "sub", "sunt",...

"lui", "mă", "mâine", "mea", "mei", "mele", "mereu", "meu", "mi", "mine", "mult", "multă", "mulţi", "ne", "nicăieri", "nici", "nimeni", "nişte", "noastră", "noastre", "noi", "noştri", "nostru", "nu", "ori", "oricând", "oricare", "oricât", "orice", "oricînd", "oricine", "oricît", "oricum", "oriunde", "până", "pe", "pentru", "peste", "pînă", "poate", "pot", "prea", "prima", "primul", "prin", "printr", "sa", "să", "săi", "sale", "sau", "său", "se", "şi", "sînt", "sîntem", "sînteţi", "spre", "sub", "sunt",...

The <i>capacity</i> is a measure of that extent: it is the sum of
the length of the slice and the length of the array beyond the slice;
a slice of length up to that capacity can be created by
<a href="#Slice_expressions"><i>slicing</i></a> a new one from the original slice.
The capacity of a slice <code>a</code> can be discovered using the
built-in function <a href="#Length_and_capacity"><code>cap(a)</code></a>.
</p>

<p>

        *   `tf.data.experimental.OptimizationOptions.map_vectorization` *
            `tf.data.experimental.OptimizationOptions.reorder_data_discarding_ops`
*   `tf.keras`:
    *   Fix usage of `__getitem__` slicing in Keras Functional APIs when the
        inputs are `RaggedTensor` objects.
    *   Add `keepdims` argument to all `GlobalPooling` layers.
    *   Add `include_preprocessing` argument to `MobileNetV3` architectures to