pytorch中的tensor

1、什么是tensor？

tensor中文意为张量，提到张量最先能想到物理中的张量。有基础物理知识的人都知道，没有方向只有大小的量称为标量，例如普通数字1， 2， 3等，可以比较大小；既有方向又有大小的量称为矢量，例如物理概念中的作用力，不能够简单的比较大小；在物理中学习单元体应力应变状态的时候提到了张量，张量是一组能够表示某一个微元体应力应变状态的分量的集合。张量（tensor）是pytorch中最基础的一种数结构，熟悉numpy数组的话会发现tensor和numpy数组的操作很相似，但不同之处在于tensor具有更多的属性，相当于表示数组数据在运算过程中的状态，tensor中不仅仅包含了数组数据本身，还包含了dtype，grad，device等属性。

2、tensor的操作

熟悉numpy的话对tensor的操作会感觉很熟悉。导入torch和numpy，从数据创建tensor：

import torch
import numpy as np

# initialize tensor
# # from data
data = [[1, 2], [3, 4]]
tensor_data = torch.tensor(data, dtype=torch.int32)
print(tensor_data)
print(type(tensor_data))
print(tensor_data.shape)

从numpy创建tensor

# from numpy
arr1 = np.array([[4, 5, 6], [7, 8, 9]])
arr_tensor = torch.from_numpy(arr1)
print(arr_tensor)
print(type(arr_tensor))
print(arr_tensor.shape)

其它方式创建tensor：

shape = (2, 3)
rand_t