2022/7/9
张量(Tensor)的基本概念:
tensor是pytorch最基本的操作对象,表示的是一个多维的矩阵，核心是一个数据容器，可以将其想象成一个数字的水桶(多数情况下,它包含数字,有时候它也包含字符串，但是这种情况比较少)
为什么要将数据转化成Numpy数组/tensor？
tensor与numpy相对应，可与numpy的ndarray相互转换。tensor可以轻易地进行卷积,激活，上下采样，微分求导等操作，而numpy数组就不行,普通的数组要先转化为tensor格式才行。
tensor和Numpy的对比
相同:
tensor内部的数据类型为ndarry类型。
区别:
1.tensor可以有加速器内存(如GPU)支持，既可以在CPU上运行也可以在GPU上运行，ndarray只能在CPU上运行；2.ndarray在CPU上运行，因此可以改变其数值；tensor的值可以驻留在GPU上加速，GPU不具有改变元素值的能力，因此tensor的值不可以改变。
补充:
张量(tensor):可以表示0阶到n阶的数组:
0阶张量(标量):单独的一个数
1阶张量(向量):一维数组
2阶张量(矩阵):二维数组
n阶张量(张量):n维数组
标量是0阶张量，向量是一阶张量。
举例:
标量就是知道棍子的长度，但是你不知道棍子指向哪儿。向量就是不但知道棍子的长度，还知道棍子指向前面还是后面，张量就是不但知道棍子的长度，也知道棍子指向前面还是后面，还能知道这棍子又向上/下和左/右偏转了多少
