PyTorch是python的机器学习库，简洁高效，实际应用中非常流行。今天我们详细讲解一下，PyTorch中的张量。
1、什么是张量？
张量的概念大家可以去了解一下。pytorch中的张量，是指某种形式组成的不同维数的矩阵。
2、构造含有数据的张量torch.tensor()函数
看一个例子。
也就是说，我们可以通过直接的数据输入，定义一个torch的张量。
3、构造特殊的张量
empty,zeros,ones,full函数可以构造不同的张量。
- 如果不指定张量的值，可以用empty；
- 如果设定全是0，可以用zeros
- 如果设定全是1，可以用ones
- 如果设定0，1之外的值，可以用full
- 这几个函数都有类似的*_like函数。如empty_like,zeros_like,ones_like,full_like,这些函数的参数是一个张量，构造一个和张量相同大小的张量
4、构造等差等比数列
- torch. arange() 等差不包含最后的一个end元素
torch.arange(0,3,step=1)
结果是0,1,2
- torch. range() 等差到end+1，也就是包含end
torch.range(0,2,step=1)
结果是0,1,2
- torch. linspace()
linspace(start,end,nums)
从start开始到end，中间分成nums段
- torch. logspace()使用方法和linspace类似，差别就是输出结果是要做一个10的次方。
5、结束
pytorch的张量定义虽然和Numpy有很多类似，但是也是不一样的。后面我们会慢慢讲解。