Pytorch基础——张量

1.Tensor张量的概念 1.1什么是张量

张量（Tensor）是一个多维数组，它是标量、向量、矩阵的高维拓展

2.张量的创建 2.1创建零维和一维张量

零维取值时，不能使用a[0]
可以直接用a.item()

2.1.2创建二维张量

Randon()标准正态分布，stride()表示每个维度的相隔几个元素

2.1.3 访问Tensor的元素

2.1.4访问Tensor的元素：淹膜

注：torch.randn( ) 返回一个张量，包含了从标准正态分布（均值为0，方差为1，即高斯白噪声）中抽取的一组随机数。张量的形状由参数sizes定义。

2.1.5访问Tensor的元素： 条件选择

2.1.6 Transpose

clone后值不变

2.1.7 Squeeze/unsqueeze压缩和扩充

2.1.8 Cat 张量拼接

2.1.9 reshape 重塑

2.1.10 permute 排列

2.1.11 张量计算

加减乘除，每个元素逐一计算
矩阵乘法

幂运算

矩阵运算

2.1.12 BroadCasting

维度不匹配时，扩充实现广播