动手学深度学习pytorch版本（1）

记录一下学习的过程

```python
import torch
print("版本号为：{}".format(torch.__version__))

这个format  是将format中的内容填入 前面的大括号中 ，可以灵活填入
例如`print("我爱{0}。\n他爱{1}。\n{0}爱{1}".format("灰太狼","红太狼")
"""
我爱灰太狼
他爱红太狼
灰太狼爱红太狼
"""`

```python
print("小明喜欢{1},{2}和{0}".foramt("海绵宝宝","机器猫","海贼王","火影忍者","龙珠"))
#小明喜欢机器猫，海贼王，和海绵宝宝
print("我今年{age}岁,我在读{college}".format(age=18","college="大学"))
#我今年18岁，我今年20岁

tensor_a = torch.arange(0, 12)

arange这个函数 是生成一个 0-12 的向量 里面有十二个 数 步长为一 步长可以控制
tensor_a 是我们生成的一个实例tensor
我们可以对他使用一些函数 获得他的一些属性比如tensor_a .shape
还可以使用tensor_a .view()得到tensor_a 的视图 并且view函数中可以填入一些形状参数，可以生成同元素的 不同形状的tensor
除了torch.arange 可以生成tensor外 还有一些其他的函数可以生成tensor 比如torch.ones/torch.zeros 生成特定形状的 全0或全1的tensor
也可以通过torch.tensor （）里面填入一些具体的数 来生成tensor
或和torch.randn（（3，4））生成一个随机的 形状为（3，4）的tensor
对两个tensor 的操作 比如相加相乘相除 都是对应位置元素操作
torch.exp(Y)的意思就是对y中所有元素取对数
真正意义上的矩阵相乘法 可以通过X @ Y.t()来实现.t()是对矩阵求转置的过程
torch.cat()是在选中的维度 做拼接
使用条件判别式可以得到元素为0或1的新的 Tensor 。以X==Y为例，如果X和Y在相同位置的条件判
别为真（值相等），那么新的 Tensor 在相同位置的值为1；反之为0。
torch.sum(x)是对x中的所有元素求和
如果是y = x+y的话 会对y新开一个内存把y存进去
如果是y+=x的话 就会在y这个基础上区加上x存进去 不会新开内存
torch.from_numpy() 括号内应该填一个numpy类型的数据 会把他转化成 tensor
比如x是一个tensor的话，x.numpy()会把x转化成numpy
我们可以通过help（）查询一些 函数的使用功能比如 help（torch.arange)