Pytorch学习笔记（一）

最近，Torch7 团队开源了 PyTorch。据该项目官网介绍，PyTorch 是一个 Python 优先的深度学习框架，能够在强大的 GPU 加速基础上实现张量和动态神经网络。
官网：http://pytorch.org/
github：https://github.com/pytorch/pytorch
官方文档：http://pytorch.org/docs/tensors.html
pytorch的一大优势就是它的动态图计算特性，目前市场上支持动态图计算的框架有Pytorch，DyNet，Chainer。而支持静态图计算的框架有 TensorFlow，MXNet，Theano。
先看一下Pytorch的文档的结构，了解以下大致的功能：

1.数据计算
Torch 自称为神经网络界的 Numpy, 因为他能将 torch 产生的 tensor 放在 GPU 中加速运算 (前提是你有合适的 GPU), 就像 Numpy 会把 array 放在 CPU 中加速运算。Torch和Numpy之间可以进行自由的切换：

import torch
import numpy as np

np_data = np.arange(6).reshape((2, 3))
torch_data = torch.from_numpy(np_data)
tensor2array = torch_data.numpy()
print(
    '\nnumpy array