PyTorch框架：张量的创建

张量-Tensor

张量介绍

Tensor and Variable
Variable是torch.autograd中的数据类型，主用于封装Tensor，进行求导。
Variable的数据类型主要有：data(被包装的Tensor)、grad(data的梯度)、grad_fn(创建Tensor的Function，是自动求导的关键)、requires_grad(指示是否需要梯度)、is_leaf(是否是叶子结点也就是张量)。
PyTorch0.4版本开始，Variable并入TenTorch。TenTorch除Variable五种数据类型之外，还有额外的三种数据类型分别是：dtype(张量的数据类型)、shape(张量的形状)、device(张量所在的设备，如CPU、GPU是加速的关键)。

张量的创建

一、直接创建：
torch.tensor()
功能：从data创建tensor
data：数据，可以是list、numpy
dtype：数据类型，默认与data的一致
device：所在设备
requires_grad：是否需要梯度
pin_memory：是否存与锁页内存

torch.tensor(data,dtype=None,device=None,requires_grad=False,pin_memory=False)

torch.from_numpy(ndarry) //ndarray是存放同类型元素的多维数组
功能：从numpy创建tensor(注意，从torch.from_numpy创建的tensor于原ndarray共享内存，当修改其中的一个数据，另一个也将随之改动)

二、依据数值创建
torch.zeros()
功能：依size创建全0张量
size：张量的形状
out：输出的张量
layout：内存中布局形式，tensor 在物理设备中的储存结构，简单可以分为：顺序储存、链式储存
device：所在设备
requires_grad：是否需要梯度

torch.zeros(*size,out=None,dtype=None,layout=torch.strided,device=None,requires_grad=False)

torch.zeros_like()
功能：依input形状创建全0张量
input：创建与input同形状的全0张量
dtype：数据类型
layout：内存中布局形式

torch.zeros_li