深度学习-入门知识2

张量

使用 arange 创建一个行向量 x。这个行向量包含以0开始的前12个整数，它们默认创建为整数。例如，张量 x 中有 12 个元素。除非额外指定，新的张量将存储在内存中，并采用基于CPU的计算。

使用shape属性访问张量（沿每个轴的长度）的形状 。

使用numel属性获取张量中元素的整数。

使用reshape函数，来改变张量的形状而不改变元素数量和元素值。

有时，我们希望使用全0、全1、其他常量，或者从特定分布中随机采样的数字来初始化矩阵。 我们可以创建一个形状为（2,3,4）的张量，其中所有元素都设置为0。

同样，我们可以创建一个形状为(2,3,4)的张量，其中所有元素都设置为1。

其中2，3，4可以理解为这个张量里有两组数据，每组有3行，没行有4列。

使用randn函数随机采样。 以下代码创建一个形状为（3,4）的张量。 其中的每个元素都从均值为0、标准差为1的标准高斯分布（正态分布）中随机采样。

们还可以通过提供包含数值的Python列表（或嵌套列表），来为所需张量中的每个元素赋予确定值。 在这里，最外层的列表对应于轴0，内层的列表对应于轴1。
轴0对应张量的每一行，轴1对张量的每一页。