张量的概念(tensor)

张量可以理解为数组，一维张量与数学中的向量对应，二维张量与数学中的矩阵对应
张量的维度，也可以叫张量的轴，是从0开始的

创建张量

1. tensor = torch.arrange(num)创建一个0到num-1的行向量（一维张量），数值类型默认为浮点型
2. tensor.shape 可以返回张量的形状，比如一个张量在一维有3个元素，二维有4个元素，三维有5个元素，则会返回torch.Size([3,4,5])
3. tensor.numel() 可以返回张量中所含元素的数量, 注意，一维张量的形状和所含元素数量是一样的。一般地，元素数量等于各个形状相乘
4. tensor.reshape(dim1,dim2,...) 可以在不改变张量的元素个数和值的情况下，改变张量的维度；如果dimX为-1，则torch自动根据其他维度计算该维度的值
5. torch.zeros(shape) 创建一个指定形状，元素值全为0的张量
6. torch.ones(shape) 创建一个指定形状，元素值全为1的张量
7. torch.randn(shape) 创建一个指定形状，符合标准差为1、期望为0的标准正态分布的张量
8. torch.tensor(list_of_python) 直接赋值，括号内为Python列表的嵌套，最外层中括号对应于张量的轴0。

张量运算

• 按元素计算: +,-,*,/;**(幂),exp(tensor)返回e的tensor次幂
• 线性代数运算（此处略）
• 按指定维度拼接(concatenate): torch.cat((tensor1,tensor2),dim)，意思是把tensor1和tensor2按指定的dim进行拼接
• 构建逻辑张量 tensor1 == tensor2, 在对应位置返回布尔值