PyTorch——Tensor的相关概念及操作
Tensor的概念
说起张量（tensor）就不得不说他和scalar、vertor、matrix之间的关系了，直接上图：
标量（scalar）：只有大小概念，没有方向的概念。通过一个具体的数值就能表达完整。比如：重量、温度、长度、提及、时间、热量等都数据标量。
向量（vector）：物理学上也叫矢量，指由大小和方向共同决定的量（跟「标量」相区别）。向量主要有2个维度：大小、方向。比如：力、速度等。
矩阵（matrix）：（学过线性代数的都知道，可参见之前的线代笔记）
张量（tensor）：一个多维数组，它是标量、向量、矩阵的高位扩展
当下主流的深度网络学习框架是PyTorch和Tensorflow。
对于这两个框架而言，我只想用一句代码来阐述我心中的杂乱：
Import torch as tf
但是，我还是选择了PyTorch（ ^_^ /\ ~_~ ）
tensor,是PyTorch中最基础的数据类型,也是进行数据存储和运算的基本单元。
数组array这个概念，数组是类似于列表的高阶对象，是有序的元素序列。
Tensor在PyTorch的地位相当于Array在Numpy中地位。
实质上Pytorch将Numpy的Array包装成Tensor，为其定义了各种各样的运算方法和函数
以至于处理tensor的时候，觉得自己在调用Numpy和Pandas这两个包处理。
Tensor的属性
每一个tensor都有三个属性：torch.dtype，torch.device，和torch.layout.
torch.dtype
Pytorch拥有12个不同的数据类型。
tensor类型 相关代码
>>> float_tensor = torch.ones(1, dtype=torch.float)
>>> double_tensor = torch.ones(1, dtype=torch.double)
>>> complex_float_tensor = torch.ones(1, dtype=torch.complex64)
>>> complex_double_tensor = torch.ones(1, dtype=torch.complex128)
>>> int_tensor = torch.ones(1, dtype=torch.int)
>>> long_tensor = torch.ones(1, dtype=torch.long)
>>> uint_tensor = torch.ones(1, dtype=torch.uint8)
>>> double_tensor = torch.ones(1, dtype=torch.double)
>>> bool_tensor = torch.ones(1, dtype=torch.bool)
>>> long_zerodim = torch.tensor(1, dtype=torch.long)
>>> int_zerodim = torch.tensor(1, dtype=torch.int)
>>> torch.add(5, 5).dtype
torch.int64
>>> (int_tensor + 5).dtype
torch.int32
>>> (int_tensor + long_zerodim).dtype
torch.int32
>>> (long_tensor + int_tensor).dtype
torch.int64
>>> (bool_tensor + long_tensor).dtype
torch.int64
>>> (bool_tensor + uint_tensor).dtype
torch.uint8
>>> (float_tensor + double_tensor).dtype
torch.float64
>>> (complex_float_tensor + complex_double_tensor).dtype
torch.complex128
>>>