Pytorch基础：张量Tensor

1. 张量类（Tensor）

张量类（Tensor）是深度学习框架必须提供的基础数据结构，神经网络的前向传播和反向传播都是基于 Tensor 类进行的。Tensor 类应具有以下多方面的功能：

1. Tensor 应该具有不同的数值类型，以满足不同的精度需求。
2. Tensor 的维度应该可以索引、改变。
3. 不同类型的 Tensor 之间应可以相互转换。
4. Tensor 应该支持常见的数值计算，比如加、减、乘、除。
5. Tensor 的设备应该可以在 CPU 和 GPU 之间切换。

2. 数值类型

数据类型	CPU	GPU
32位浮点数	torch.FloatTensor	torch.cuda.FloatTensor
64位浮点数	torch.DoubleTensor	torch.cuda.DoubleTensor
8位有符号整型	torch.CharTensor	torch.cuda.CharTensor
8位无符号整型	torch.ByteTensor	torch.cuda.ByteTensor
布尔类型	torch.BoolTensor	torch.cuda.BoolTensor

3. 创建方法

3.1 从内置数据类型创建

>>> import torch
>>>
>>> x1=[1,2,3]
>>> x1_tensor=torch.tensor(x1,dtype=torch.int32)
>>> print(x1_tensor)
tensor([1, 2, 3], dtype=torch.int32)
>>>
>>> x1_tensor2=torch.tensor([4,5,6],dtype=torch.int32)
>>> print(x1_tensor2)
tensor([4, 5, 6], dtype=torch.int32)
>>>
>>>
>>> x2 = torch.Tensor([7,8,9])
>>> print(x2,x2.dtype)
tensor([7., 8., 9.]) torch.float32   //默认为torch.float32类型
>>>

3.2 从numpy创建

>>> import numpy as np
>>> x2_numpy=np.array([1,2,3])
>>> x2.tensor=torch.from_numpy(x2_numpy)
>>> x2_tensor=torch.from_numpy(x2_numpy)
>>> print(x2_tensor)
tensor([1, 2, 3], dtype=torch.int32)
>>>

3.3 从已有Tensor创建新的Tensor

接着上面的，直接复制Tensor，但是新的Tensor与旧Tensor只是形状相同，数值却是使用特定的数值进行填充的。

>>> x3_tensor=torch.ones_like(x2_tensor)
>>> print(x3_tensor)
tensor([1, 1, 1], dtype=torch.int32)

3.4 创建随机值或特定值的Tensor

>>> size=[1,3]
>>> x4_tensor=torch.randn(size)
>>> x5_tensor=torch.zeros(size)
>>> print