Pytorch 入门 ----学习笔记

本文是在参加DataWhale开源组队学习《深入浅出Pytorch》过程中，整理的学习笔记。

张量，也叫做多维数组，常常我们对于一维张量也叫做标量，二位张量叫做矩阵。大部分时候，张量是三维及三维以上的多维变量

张量的创建可以通过如下命令：

• torch.rand() 构造一个随机初始化矩阵
• torch.zeros()构造一个全为零的矩阵
• torch.tensor() 直接使用数据构造

张量的操作种类繁多，包括数学运算、维度变换等等，详情可参考官方文档

• 加法操作  
• 维度变换

对形状相同的张量进行数学运算时，我们按照“按位运算”来进行，即张量内部的每个元素都进行相同的操作。此外，还有向量点积和矩阵乘法等。对于形状不同的张量，则需要下面介绍的广播机制来处理。

广播机制是在某些情况下，当我们的张量间形状不同，但还要进行按元素运算时所应用到的。其核心就是通过适当的复制元素来扩展其中的一个或两个数组，使两者形状相同，再进行按元素运算。

import torch

a = torch.arange(3).reshape((3, 1))
b = torch.arange(2).reshape((1, 2))

'''
a: tensor([[0],
        [1],
        [2]])
b: tensor([[0, 1]])
a + b : tensor([[0, 1],
        [1, 2],
        [2, 3]])
'''

参考文献

《动手学深度学习》 — 动手学深度学习 2.0.0-beta0 documentation (d2l.ai)

《深入浅出Pytorch》