Task01：环境搭建，初识PyTorch（打卡作业，非教程）

1.2 Pytorch的安装

此处安装为11.6cuda版本的Pytorch

第二章 pytorch基础知识

2.1 张量

和NumPy比的优势：可以计算梯度，可以使用GPU运算（适合深度学习）

张量操作和ndarray差不多，其中的索引出来的结果与原数据共享内存，修改一个，另一个会跟着修改。如果不想修改，可以考虑使用copy()等方法

import torch
x = torch.rand(4,3)
# 取第二列
print(x[:, 1]) 

广播机制的作用：使得形状不同的两个张量也能进行运算（通过复制一些元素使得两个张量形状相同）

2.2 autograd & BP

2.2.1 Autograd

torch.Tensor 核心类
tensor_name.requires_grad = True 追踪张量所有操作
tensor_name.backward() 计算梯度，并累加到tensor_name.grad属性

评估模型时会用到：
tensor_name.detach() 将其与计算历史分离，阻止它未来的计算被跟踪