前向传播：
看最下面的计算过程：
1.输入特征是一行四列的，是要判断是哪种花的输入特征的个数，格式。
2.第二个随机初始化，是说起初神经网络的各参数都是随机给出的。我们看到有三列，分别表示每种花的特征权重，
3.计算结果有一行三列，代表是每种花的可能性。
结合这个再去理解神经网络的图。
损失函数：
因为变量是随机初始化的，所以开始输出的结果几乎没有任何的意义。
梯度下降和学习率：
张量：
支持的类型：
创建一个张量：
看上面的程序：
对shape进行解释：shape用几个逗号隔开就表明是几维的，数字表示大小，如上，一维的大小为2
将numpy格式转化为tensor格式：
创建特殊的张量：全0，全1，全指定值。
生成正态分布：
生成均匀分布随机数：
