预备知识（一）

1. n维数组，也叫张量
2. PyTorch中的tensor和Numpy中的ndarry类似，但功能更强大
3. 张量表示有数值组成的数组，可以有多个维度，一维对应数学上的向量，二维对应数学上的矩阵
4. 使用arange可以创建行向量
   
5. 可以通过shape属性访问张量的形状（.shape），调用reshape函数改变张量的形状torch.zeros((2,3,4))表示创建一个形状为(2,3,4)的张量，所有元素都置为0，torch.randn(3,4)表示创建一个形状为(3,4)的张量，每个元素服从均值为0，标准差为1的标准高斯（正态）分布
6. 对于任意具有相同形状的张量，常见的标准算术运算符都可以被升级为按元素计算，**表示求幂运算
7. torch.cat((X,Y),dim=0)表示沿行（轴0，形状的第一个元素）连接两个矩阵，torch.cat((X,Y),dim=1)表示沿列（轴1，形状的第二个元素）连接两个矩阵
8. 对于形状不同的张量可以调用广播机制来执行按元素 *** 作
9. 张量中的元素第一个索引为0，可以通过负索引访问元素，[-1]表示访问最后一个元素，[-2]表示访问倒数第二个元素，[1:3]表示选择第二个和第三个元素，[0:2,:]表示访问第一行和第二行，其中“：”代表沿轴1（列）的所有元素
10. 使用如下方式

A=X.numpy()
B=torch.tensor(A)
可以直接将numpy张量转换为tensor张量