Tensorflow中数据形式

惯例是将矩阵的维度写为滚动数乘以列数。所以在储存这个矩阵的代码中，这个2*3矩阵，你只需要写x=np.array这些数字，就像这样

 使用单括号的区别在于，此示例生成一维向量。所以这只是一个没有行没有列的一维数组只是一个数字列表。当我们使用线性回归和逻辑回归时，我们使用一维向量来表示输入特征x。对于Tensorflow，惯例是使用矩阵来表示数据。 

Tensorflow旨在处理 非常大的数据库，并通过在矩阵而不是一维数组中表示数据，他让Tensorflow在内部更高效的计算lee。回到神经网络中当得到结果a1时，a1就是矩阵。这里有张量（张量是一个多维数组）它是Tensorflow团队创建的一种数据类型，有效的储存和执行矩阵的计算。当看到张量时，只需想到矩阵。从技术上讲，张量比矩阵更通用一点，但在这里将张量视为表示矩阵的一种方式。请记住Tensorflow表示矩阵的方式和numpy（NumPy是一个开源的Python科学计算库，专门用于进行大规模数值和矩阵运算）表示矩阵的方式。

NumPy 表示矩阵的方式：

在 NumPy 中，矩阵是通过 ndarray 对象来表示的。你可以使用 numpy.array 函数或者 numpy.matrix 函数来创建矩阵（虽然 numpy.matrix 在最新版本的 NumPy 中已经被弃用）。

import numpy as np

# 使用 array 函数创建矩阵
matrix = np.array([[1, 2], [3, 4]])

# 使用 matrix 函数创建矩阵（已弃用）
matrix = np.matrix([[1, 2], [3, 4]])

 TensorFlow 表示矩阵的方式：

TensorFlow 使用 tf.Tensor 对象来表示矩阵。TensorFlow 的张量（Tensor）是一个多维数组，可以包含不同数据类型的元素。

import tensorflow as tf

# 创建一个矩阵
matrix = tf.constant([[1, 2], [3, 4]], dtype=tf.float32)