deep learning with pytorch——2

张量基础
1.张量是PyTorch中的基本数据结构。张量是一个数组，是一种数据结构，存储通过索引可以单独访问并且可以用多个索引索引的数字集合。
2.下面的列表显示了Python中三个数字的列表。

可以使用基于0维的索引访问这个列表，还可以该表列表中数字的值

3.对于处理数字向量的简单Python程序来说，使用Python列表存储向量（比如2D行的坐标）并不罕见。然而，这种做法可能不太理想，原因如下：
Python中的数字是成熟的对象。Python将它们放在一个完整的Python对象中，并带有引用计数等功能Python中的列表用于对象的顺序集合，Python列表无法优化其内容在内存中的布局，因为其内容是指向python对象的指针索引集合，其内容可以是任何类型，不仅仅是数字类型
与经过优化编译的代码相比，Python解释器速度较慢。
4.ones函数，产生相应维度的tensor，其元素都为1

同样可以对其进行索引和改变其中元素的值
5.虽然从表面上看，这个例子与一个数字对象列表没有太大的区别，但实际上情况完全不同。Python列表或数字元组是在内存中单独分配的Python对象的集合，如图2.3左侧所示。
另一方面，PyTorch张量或NumPy数组是（通常）包含未绑定数值类型的连续内存块的视图，而不是Python对象。在这种情况下，如图2.3右侧所示。因一个1维的浮点数为100万的张量需要存储400万个连续字节，加上元数据（维度、数字类型等）的少量开销。即张量中每个数就要占4个字节。

6.zeros函数，可以产生一定维度的tensor，其中的值都为1，可以通过赋值改变他们的值