python里面的tensor跟tensorflow里面的tensor都表示张量，包含一些基本的运算。实际上跟numpy数组、向量、矩阵的格式基本一样。但是是专门针对GPU来设计的，可以运行在GPU上来加快计算效率。
PyTorch中定义tensor，就跟numpy定义矩阵、向量差不多，例如定义一个5×3的tensor，每一项都是0的张量：
可以从python的数组直接创建tensor：
也可以直接从pytorch创建：
如果想看某个Tensor的形状的话，使用以下两种方法：（两种方法一样，前者更常见）
常用初始化：
Tensor基本操作：
1.tensor的切片、合并、变形、抽取操作
torch.cat(seq,dim=0,out=None) 把一堆tensor丢进去，按照dim指定的维度拼接、堆叠在一起
torch.chunk(tensor,chunks,dim=0)把tensor切成块，数量由chunks指定
改变形状：torch.reshape(input,shape)，把tensor作为函数的输入；
tensor.view(shape)，任何tensor的函数都可以。二者的返回值，都只是让我们从另一个视角看某个tensor，所以不会改变本来的形状，除非你把结果又赋值给原来的tensor。
2.基本数学操作
加法：x+y；
torch.add(x,y) 实际上.add()可以接受三个参数：torch.add(input,value,out=None),一般，如果直接torch.add(x,y),那么x,y本身都不会变化的，但是如果设置out=x,那么x久变成加和后的值。
特别地，若想进行in-place操作，就比方说y加上x，y的值就改变了。就可以用y.add_(x)，这样y就直接被改变了（类似用法还有x.copy_(y)）
乘法：torch.mul(input,other,out=None) 用input乘以othor
除法：torch.div(input,other,out=None) 用input除以other
指数：torch.pow(input,exponent,out=None) input的exponent次方，input为底数，exponent为指数
开根号：torch.sqrt(input,out=None)
（注意 .sqrt()操作是针对浮点型数的）
四舍五入到整数：torch.round(input,out=None)
argmax函数：torch.argmax(input,dim=None,keepdim=False) 返回指定维度最大值的序号，dim给的定义是：the demention to reduce.也就是把dim这个维度的，变成这个维度的最大值的index
取绝对值：torch.abs(input,out=None)
向上取整：torch.ceil(input,out=None)
刀削函数：torch.clamp(input,min,max,out=None) 把输入数据规范在min-max区间内，超过范围的用min、max代替
3、Torch Tensor与Numpy的互相转换
Tensor~Numpy:
直接用.numpy()即可。但是注意，转换后，numpy的变量和原来的tensor会共用底层内存地址，所以如果原来的tensor改变了，numpy变量也会随之改变.
Numpy~Tensor:
用torch.from_numpy()来转换.
by PengSW_10 on 2019/2/8
