1.Tensor
a：各种数值数据都可已称为张量
b:常数：scaler：0阶张量
c：向量：vector：1阶张量
d：矩阵：matrix:2阶张量
e：3阶张量
2.张量的创建方式
?1.使用python中的列表或者序列来创建tensor
torch.tensor([[1., -1.], [1., -1.]])
2.使用numpy中的数组创建tensor
?torch.tensor(np.array([[1, 2, 3], [4, 5, 6]]))
3.使用torch的api创建tensor
（1）torch.empty（3， 4）创建三行四列的空的tensor，会用无用数据进行填充
（2）torch.ones([3, 4])创建三行四列的全为1的tensor
（3）torch.zeros([3, 4])创建三行四列的全为0的tensor
（4）torch.rand([3, 4])创建三行四列的随机值tensor 随机的去见识[0, 1)
（5）torch.randint(low=0, high=10,size=[3, 4])创建三行四列随机整数的tensor，随机值的区间是[low, high)? ?random + int??
（6）torch.randn([3, 4])创建三行四列的随机数的tensor，随机值的分布式均值为0，方差为1
3.pytorch中tensor的常用方法
张量的方法和属性
?（1）获取torch中的数据（当tensor中只有一个元素可用时）：torch.item()? # 用的非常多
? ? ? ??
?这里的t1=torch.Tensor([[[1]]]) 表示三阶 有几对中括号表示几阶
?两个元素的就会报错
（2）转化为numpy数组
直接变量名加.numpy()就行了? 直接把tensor 转成np array
（3）获取形状：torch.size()? #注意和np的shape不同 要加（）
? ? ? ? ??
?
直接变量名加.size()? 如果要获取某一维度上的形状 t2.size(-1)获取t2最后一个维度上的形状
（4）形状改变：torch.view((3, 4)) 类似numpy中的reshape 是一种浅拷贝，仅仅是形状发生变化
? ? ? ? ?乘积要想用 三行四列不能转化成三行六列 t2.view([2, -1]) -1表示根据前面数决定后面的数值 相当于自己跟你算?
? ? ? ??
?（5）获取维度torch.dim()? ?获取阶数 常数为0 向量1 矩阵2
? ? ? ? ?
（6）获取最大值最小值：tensor.max（） tensor.min（）
?（7）转置：tensor.t()? ?二维的时候 tansform就是转置
t1.transpose（0， 1） 交换 第一维度和第二维度的值?
t1.permute(1， 2， 0) 把原来的位置转换成现在的位置（维度变化）
? ? ? ??
?
怎么理解转置
t3 = torch.Tensor(np.arange(24).reshape（3，2， 4)) 怎么理解 3 2 4 三块 每块 两行四列