神经网络的数据表示

1、张量（tensor）

  深度学习中的数据存储在多维Numpy数组中，也叫张量(tensor)。一般来说，当前所有机器学习系统都使用张量作为基本的数据结构。张量对这个领域非常重要，重要到Google 的TensorFlow 都以它来命名。那么什么是张量？
  张量这一概念的核心在于，它是一个数据容器。它包含的数据几乎总是数值数据，因此它是数字的容器。你可能对矩阵很熟悉，它是二维张量。张量是矩阵向任意维度的推广［注意，张量的维度（dimension）通常叫作轴（axis）］。

2、标量（0D张量）

  仅包含一个数字的张量叫作标量（scalar，也叫标量张量、零维张量、0D 张量）。在Numpy中，一个float32 或float64 的数字就是一个标量张量（或标量数组）。你可以用ndim 属性来查看一个Numpy 张量的轴的个数。标量张量有0 个轴（ndim == 0）。张量轴的个数也叫作阶（rank）。下面是一个Numpy 标量。

>>> import numpy as np
>>> x = np.array(12)
>>> x
array(12)
>>> x.ndim
0

3、向量（1D张量）

  数字组成的数组叫作向量（vector）或一维张量（1D 张量）。一维张量只有一个轴。下面是一个Numpy 向量。

>>> x = np.array([12, 3, 6, 14, 7])
>>> x
array([12, 3