PyTorch：深入理解张量及其创建方法

PyTorch是一个开源的深度学习框架，提供了丰富的工具和功能来构建和训练神经网络。在PyTorch中，张量（Tensor）是最基本的数据结构之一，用于存储和操作多维数组。本文将详细介绍PyTorch中的张量以及常见的创建方法，并提供相应的源代码示例。

1. 张量的概念
   张量是PyTorch中的核心数据类型之一，类似于NumPy中的多维数组。它可以是一个标量（零阶张量）、一个向量（一阶张量）、一个矩阵（二阶张量），或者更高维度的数组（高阶张量）。张量可以存储在CPU或GPU上，并且支持自动求导等高级功能。

2. 张量的创建
   PyTorch提供了多种方法来创建张量。下面是一些常见的创建方法及其示例代码：

2.1. 直接创建
可以直接使用Python列表或NumPy数组创建张量。使用torch.tensor()函数可以根据提供的数据创建一个新的张量。例如：

import torch

# 从Python列表创建张量
data_list = [1, 2,