pytorch入门教程：张量初始化与基本运算

在正式入门pytorch之前，首先回顾以下numpy的一些基本操作：

首先导入numpy包

import numpy as np

创建numpy的ndarray数组的方式主要以下3种：

1. list转变为np.array

a1 = [[1, 2], [3, 4]]
a1 = np.array(a1)

2. 创建自定义大小的随机数组

a2 = np.random.rand(2, 3)

3. 创建特殊矩阵

a3_zero = np.zeros((2, 3), float)
a3_one = np.ones((2, 3), int)
a3_sequence = np.arange(6).reshape(2, 3)

矩阵的形状是我们在编程的时候很关心的参数，比如在搭建卷积神经网络时，就要保证卷积核的channel数量和上一层输出的特征图的channel数相等。

那么如何获取矩阵的shape呢？

print(a2.shape)

输出：

 (2, 3)

矩阵运算：矩阵乘法和元素相乘

矩阵乘法：

np.dot(a1, a2)

输出：

array([[0.73630149, 2.14174254, 2.88921558],
       [1.91645686, 5.21595794, 6.71389597]])

元素相乘：

np.multiply(a1, a1)

输出：

array([[ 1,  4],
       [ 9, 16]])

这里用矩阵乘法的定义也进行了运算，结果和np.dot的计算结果一致。

def calculate(a, b)