pytorch tensor 初始化_PyTorch简明笔记[1]-Tensor的初始化和基本操作

听麻麻说，偷偷收藏而不感谢是不礼貌的，至少应该点个赞~我觉得麻麻说的对！

不断地被人安利PyTorch，终于忍不住诱惑决定入坑了。

当初学习TensorFlow的时候，没有系统性地学习。之前TF的英文官网一直看不了，而中文版的文档又很烂，导致学起来一直不那么爽，每次搭建模型的时候，都要大量的回来查阅文档，对很多基本的用法搞不清楚。

当我翻看PyTorch官网的时候，一下子就爱上了它那清晰的文档和友好的入门指南。所以决定好好地系统性地把PyTorch学一学。所以，记一份适合自己的更加清晰简明的笔记，把基础打牢固，就很有必要了。

这份笔记的目的，主要是

方便随时查阅，不必去看详细的冗长的原始文档。也方便跟我一样的小白可以

迅速入门，进行实践。

本篇是PyTorch简明笔记第[1]篇.

安装PyTorch应该不用我多说，他们的官网很人性化地给出了各种环境应该怎么安装，网址：https://pytorch.org/get-started/locally/

像我这个破电脑没有GPU，就在CUDA那里选择None，直接在终端运行它提供的命令，就可以安装了。

安装完以后，在python里面试试 import torch，没有报错就安装好了。

一、定义/初始化张量Define tensors

tensor，即“张量”。实际上跟numpy数组、向量、矩阵的格式基本一样。但是是专门针对GPU来设计的，可以运行在GPU上来加快计算效率。

PyTorch中定义tensor，就跟numpy定义矩阵、向量差不多，例如定义一个5×3的tensor，每一项都是0的张量：

x = torch.zeros(5,3)

如果想查看某个tensor的形状的话，使用：

z.size()，或者z.shape，但是前者更常用。

下面列举一些

常用的