神经网络的数据表示
在前面的例子中，我们的数据存储在多维NumPy数组中，也叫作张量（tensor）。一般来说，目前所有机器学习系统都使用张量作为基本数据结构。张量对这个领域非常重要，重要到TensorFlow都以它来命名。究竟什么是张量呢？张量这一概念的核心在于，它是一个数据容器。它包含的数据通常是数值数据，因此它是一个数字容器。你可能对矩阵很熟悉，它是2阶张量。张量是矩阵向任意维度的推广［注意，张量的维度通常叫作轴（axis）］。
标量（0阶张量）
仅包含一个数字的张量叫作标量（scalar），也叫标量张量、0阶张量或0维张量。在NumPy中，一个float32类型或float64类型的数字就是一个标量张量（或标量数组）。可以用ndim属性来查看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)
print(x)
print(x.ndim)
打印结果：
12
0