1.张量介绍：张量 Tensor：多维数组列表 阶：张量的维数
张量可以表示0阶到n阶的的数组（列表）。
2.数据类型
tf.int，tf.float
tf.bool tf.constant（[True，False]）
tf.string tf.constant("helloworld")
3.如何创建一个张量
创建一个张量 tf.constant（张量内容，dtype=数据类型（可选））
将numpy的数据类型转换为Tensor数据类型
tf.convert_to_tensor（数据名，dtype=数据类型（可选））
生成正态分布的随机数，默认均值为0，标准差为1 tf.random.normal（纬度，mean=均值，stddev=标准差）
生成截断式正态分布的随机数
tf.random.truncated_normal（纬度，mean=均值，stddev=标准差）
tf.random.uniform（纬度，minval=最小值，maxval=最大值）
4.常用函数
axis
tf.Variable（）将变量标记为可训练，被标记的变量会在反向传播中记录梯度信息。神经网络训练中常用该函数标记带训练参数。
tf.Variable（初始值）
矩阵乘法tf.matmul
tf.data.Dataset.from_tensor_slices
切分传入张量的第一维度，生成输入特征标签对，构建数据集tf.data.Dataset.from_tensor_slices（（输入特征，标签））
numpy和tensor格式都可以用该语句读入数据。
enumerate是Python的内建函数，它可遍历每个函数，如列表元组或字符串，组合为索引元素，常在for循环中使用。
enumerate（列表名）
tf.one_hot
独热编码：在分类问题中常用独热码做标签，标记类型1表示是,0表示非。
tf.one_hot（）函数将带转换数据转化为one-hot的形式的数据输出。
tf.one_hot（待转换数据，depth=几分类）
tf.nn.softmax（）使输出符合概率分布。
当N分类的N个输出（y1,y2，yn-1）通过softmax（）函数，便符合概率分布了。
