在深度学习里，Tensor实际上就是一个多维数组。而Tensor的目的是能够创造更高维度的矩阵、向量。
彩色图像文件（RGB）一般都会处理成3-d tensor，每个3d array中的element表示一个像素，R代表Red，G代表Green，B代表Blue。
image mode=P 一般都会处理为2-d tensor，每个2d array中的element表示一个像素
查看tensor
x.shape # 尺寸
x.size() # 形状
x.ndim # 维数
接下来我们利用tensor做矩阵的运算
import torch
x = torch.tensor([2., 3.], requires_grad=True)
y = torch.tensor([[4., 4.], [3., 5.]], requires_grad=True)
z = torch.mm(x.view(1, 2), y)
print(f"z:{z}")
z.backward(torch.Tensor([[1., 0]]), retain_graph=True)
print(f"x.grad: {x.grad}")
print(f"y.grad: {y.grad}")
矩阵运算如下：
参考链接：
Pytorch autograd,backward详解 - 知乎
