参考：http://www.jianshu.com/p/5ae644748f21#
几个数学概念：
标量（Scalar）是只有大小，没有方向的量，如1，2，3等
向量（Vector）是有大小和方向的量，其实就是一串数字，如(1,2)
矩阵（Matrix）是好几个向量拍成一排合并而成的一堆数字，如[1,2;3,4]
其实标量，向量，矩阵它们三个也是张量，标量是零维的张量，向量是一维的张量，矩阵是二维的张量，除此之外，张量不仅可以是三维的，还可以是四维的、五维的...
一点小注意：
1.由于torch和numpy的特殊关系，似乎numpy中array的操作大部分可以在Tensor上实践
2.任何可以改变tensor内容的操作都会在方法名后加一个下划线'_'，如x.copt_(y)、x.t_()、x.add_(y)，等等
张量的基本操作演示：
# coding=utf-8 import torch # 特别注明：任何可以改变tensor内容的操作都会在方法名后加一个下划线'_'
# 例如：x.copy_(y), x.t_(), 这俩都会改变x的值。 '''初始化操作''' x = torch.Tensor(5,3) # 未初始化的张量
print(x)
x = torch.rand(5,3) # 随机初始化的张量
print(x)
print(x.size()) # 查看张量的尺寸
# 这是一个tuple
-4.5163e+29 4.5806e-41 -4.5163e+29
4.5806e-41 -8.3134e+23 4.5806e-41
-8.3134e+23 4.5806e-41 -8.3134e+23
4.5806e-41 -8.3134e+23 4.5806e-41
-8.3134e+23 4.5806e-41 -8.3134e+23
[torch.FloatTensor of size 5x3] 0.3349 0.7324 0.7708
0.2973 0.1546 0.5236
0.2481 0.8018 0.3527
0.2328 0.2714 0.5307
0.3042 0.5355 0.2955
[torch.FloatTensor of size 5x3] torch.Size([5, 3])
'''加法操作''' a = torch.ones(2,2)
b = torch.zeros(2,2) # 语法一
print(a+b)
# 语法二
print(torch.add(a,b))
# 语法三
print(b.add_(a))
# 语法三
c = torch.Tensor(2,2)
torch.add(a,b,out=c)
print(c)
1 1
1 1
[torch.FloatTensor of size 2x2] 1 1
1 1
[torch.FloatTensor of size 2x2] 1 1
1 1
[torch.FloatTensor of size 2x2] 2 2
2 2
[torch.FloatTensor of size 2x2]
'''Numpy桥''' a = torch.ones(3,2) a = torch.ones(5)
b = a.numpy() # tensor转换为array
a.add_(1)
print(b) # a,b共用内存，属于浅拷贝 import numpy as np a = np.ones(5)
b = torch.from_numpy(a) # array转换为tensor
np.add(a,1,out=a)
print(b) # a,b共用内存 # 另外除了CharTensor之外，所有的tensor都可以在CPU运算和GPU预算之间相互转换
# 使用CUDA函数来将Tensor移动到GPU上
# 当CUDA可用时会进行GPU的运算
x = torch.ones(2,2)
y = torch.eye(2,2)
if torch.cuda.is_available():
x = x.cuda()
y = y.cuda()
print(x,y)
# print(x+y) # 我的设备没配置好会出错，不过显卡太渣，以后有服务器玩再说吧
[ 2. 2. 2. 2. 2.] 2
2
2
2
2
[torch.DoubleTensor of size 5] 1 1
1 1
[torch.cuda.FloatTensor of size 2x2 (GPU 0)] 1 0
0 1
[torch.cuda.FloatTensor of size 2x2 (GPU 0)] Process finished with exit code 0