02｜理解张量

1. 张量是数学概念，是向量和矩阵向更高维度的推广，其特征可以通过“阶（order）”或“秩（rank）”来描述，阶或秩表示的是张量的维度数量。 2. PyTorch张量类似数组结构的数据容器，可以存储多维数据，其中每个维度代表不同的特征，类似于数组库，但具备对深度学习至关重要的额外特性。 3. PyTorch张量支持GPU计算，可加速深度神经网络训练，具有类似NumPy的API，采用了大多数NumPy数组API和语法来进行其张量操作。 4. PyTorch中的张量数据类型包括整数和浮点数类型，可以通过`.dtype`属性查看张量的数据类型，使用`.to`方法可以轻松更改精度。 5. 常见的PyTorch张量操作包括创建新的张量、获取张量的形状、重塑张量、转置张量以及矩阵相乘等基本操作。 6. PyTorch提供了多种语法选项来执行相同的计算，如`.reshape`、`.view`、`.T`、`.matmul`方法以及@运算符，以提升用户的使用便利性。 7. PyTorch张量操作的官方文档提供了更多不同张量操作的详细信息，可供进一步了解和学习。 8. 张量库如PyTorch能够高效地创建、操作和计算多维数组，具有对深度学习至关重要的额外特性，如自动微分引擎和GPU计算支持。 9. PyTorch张量支持不同的数据类型，可以通过`.dtype`属性查看张量的数据类型，使用`.to`方法可以轻松更改精度。 10. PyTorch提供了多种语法选项来执行相同的计算，如`.reshape`、`.view`、`.T`、`.matmul`方法以及@运算符，以提升用户的使用便利性。