Deep Learning with PyTorch

跨行小白，最近阅读了2019年12月Pytorch官网上深度学习的开源书《Deep Learning with PyTorch》，略作总结分享给大家，表述不当之处还请批评指正，感谢。

一、Pytorch简介
1.1 Pytorch的特点：灵活、基于python、张量。
1.2 Pytorch提供促进深度学习的库：
torch.nn（搭建神经网络）
torch.util.data（下载处理数据，又包括Dataset/DataLoader）
torch.nn.DataParallel and torch.distributed（CPU、GPU or 并机计算）
torch.optim（优化器）
torch.storage(张量存储）

二、张量
2.1 张量是PyTorch中最基本的数据结构。
2.2 张量存储与Python列表或元组的区别如下图：

Python lists or tuples are individually allocated in memory，PyTorch tensors or NumPy arrays are views over contiguous memory.
2.3 张量的切片
（1）仍是一个张量
（2）未重新分配新的内存块储存切片结果，而是基于原储