【Task1(2天)】PyTorch的基本概念
什么是Pytorch，为什么选择Pytroch？
Pytorch是一个基于python的科学计算包，是一个快速进行深度学习的平台。
Pytorch有以下优点：
* 动态图，即在运行时定义创建，可以多次构建多次运行，可以随时查看训练中的tensor值，快速学习网络方法，有利于研究人员、爱好者、小规模项目等快速搞出原型。
Pytorch的安装
在阅读了安装文档之后，发现pytorch需要python3，而我的python3装在Anaconda环境下。所以决定在Anaconda环境下安装pytorch。
首先在命令行中切换到anaconda环境： activate anaconda
在安装的过程中悲剧地发现我的电脑是集成显卡，没有NVIDIA 也没法用GPU 带动。
幸好在官网找到了可以安装在cpu上地pytorch命令：
conda install pytorch-cpu torchvision-cpu-cpytorch
然后打开jupyter notebook: import pytorch 显示运行成功
PyTorch基础概念
Tensor (张量）类似于NumPy的ndarray，但还可以在GPU上使用来加速计算。
创建一个随机初始化矩阵：
直接从数据构造张量：x = torch.tensor([5.5, 3])
torch.Size本质上还是tuple，所以支持tuple的一切操作。
运算：
加法运算： print (x+y) or print(torch.add(x,y))
可以使用索引：
任何一个in-place改变张量的操作后面都固定一个_。例如x.copy_(y)、x.t_()将更改x
改变形状：如果想改变形状，可以使用torch.view
如果是仅包含一个元素的tensor，可以使用.item()来得到对应的python数值
