【分享】Pytorch数据结构：Tensor（张量）及其维度和数据类型

在PyTorch中，Tensor（张量）是一个多维数组，可以用于存储和操作数据。它类似于Numpy数组，但具有GPU加速和自动求导等功能。

张量有不同的维度，可以是0维（标量）、1维（向量）、2维（矩阵）或更高维。例如，一个0维张量被称为标量，它有一个元素。一个1维张量被称为向量，它有一个轴和多个元素。一个2维张量被称为矩阵，它有两个轴（行和列）和多个元素。以此类推，一个更高维的张量有多个轴和多个元素。

每个张量都有一个数据类型，例如浮点型（float）、整型（int）、布尔型（bool）等。在PyTorch中，常用的数据类型有torch.float32，torch.float64，torch.int32，torch.int64等。

Tensor基础
Tensor（张量） 是PyTorch中用于表示多维数据的主要数据结构，类似于多维数组，可以存储和操作数字数据。

1.1、Tensor的维度（Dimensions）
  Tensor的维度可以理解为Tensor包含的数据在不同方向上的层次或级别。在数学和计算机科学中，维度通常用来描述数据结构的复杂性或者数据在空间中的方向。对于Tensor来说，每一个维度都代表了数据的一个特定的方向或特性。
  Tensor（张量）的维度（Dimensions）是指张量的轴数或阶数。可以类似用坐标轴来理解，可以类比的用坐标轴理解，即Tensor有多少个方向。比如1维，x轴只有一个方向；2维，x轴y轴，两个方向，x轴固定长度；3维，x轴y轴z轴，三个方向，x轴和y轴固定长度。

基本的tensor创建方法：

import torch
x=torch.tensor(data)#利用data创建tensor，data可以是各总维度的列表，或一个常数

下面就让我们来举例说明
0维Tensor：也就是一个标量（Scalar），它没有维度，仅仅是一个单一的数值。例如，温度值、价格或者某个计数。
举例说明：torch.tensor(1)、 torch.tensor(2)

**1维Tensor：**也称作向量（Vector），它有一个维度，可以看作是一系列数值的集合。例如，一维数组 [1, 2, 3] 代表一系列数值或某个特性的不同测量值