pytorch入门1--数据操作（张量）

一、张量的定义和变换
1.张量表示一个数值组成的数组，这个数组可能有多个维度。

说明，torch.arange(12)可以得到一个一维的（有几层中括号就是几维数组，注意是层，不是个数），一个最内层的一个中括号中的一列数值都来描述一个点的信息）、由0~11数值组成的张量。
2.可以通过张量的shape属性来访问张量的形状.

说明：输出结果的torch.Size()表示一维里有12个元素。
3.可以通过numel()来访问张量中元素的总数。（number elements)

4.使用reshape()函数改变一个张量的形状而不改变元素数量和元素值。

可以看出reshape()函数中有几个参数便改变成几维数组。
5.使用全0、全1、其他常量或者从特定分布中随机采样的数字。

6.通过特定的值来为所需张量中的每个元素赋予确定值。

说明：上例创建了一个二位的数组。第一行的元素是2，1，4，3，第二行的元素是1，2，3，4，第三行的元素是4，3，2，1.
7.常见的标准算数运算符（加、减、乘、除和求幂运算)，都是按元素计算。这里还不是线性代数里的运算。

8.可以把多个张量连结在一起。

9.通过逻辑运算符构建二元张量，也是按元素值进行运算。

10.使用sum()函数堆张量中的所有元素进行求和产生一个只有一个元素的张量。

11.即使两个张量形状不同，也可以通过广播机制(broadcasting mechanism)来执行按元素操作。

说明：a是一个二维张量，第一个维度是3，第二个维度是1，b是一个二维张量，第一个维度是1，第二个维度是2，进行a+b运算时将a的第二个维度复制一份使第二个维度为2（与b一致，即a=[[0,0],[1,1],[2,2]），将b的第一个维度复制两份使第一个维度为3（与a一致，即b=[[0,1],[0,1],[0,1]]），在进行相加得结果。
二、张量中元素的访问
1.可以用-1选择最后一个元素，可以用[1:3]选择第二个和第三个元素。


2.还可以通过指定索引来将元素写入矩阵

为多个元素赋相同的值，只需要索引所有元素，然后为它们赋值。

3.一个节省内存的小细节
python中可以通过id()函数来获得 变量的编号（相当于地址）

可以看出，当使一个张量加上另一个张量赋给原来的张量时使用+=执行原地操作，不用为新结果分配内存，而使用=要为新结果分配内存。

将两个张量相加赋给另一个张量时加“[:]”也可以不用分配新内存，不加则需要。
三、转化为NumPy张量
python里最常见的其实既不是torch,也不是tensorflow,而是numpy。numpy是python里最基础的多元数组运算框架，所有框架可以很方便地从numpy进行转化。

四、将大小为1的张量转化为python标量