（1）张量及python基础

1.课前准备

1. 安装Anaconda（自带Jupyter notebook）与python,并安装numpy（安装了Anaconda后无需担心，用CPU运行，CPU版本的matelable）与pytorch(GPU版本的numpy 既能CPU又能GPU)
2. 安装编辑器Pycharm

2.张量的基础概念

	张量阶数	例子
标量（没有分量）	0	能量、温度、一门课的总成绩
向量	1	速度、力、多门课的总成绩构成的数列
矩阵	2	算符的系数矩阵、黑白图片
张量	N	彩色图片（三阶张量）

• N维张量又称N维数列
• 张量阶数即为张量指标的个数
• 向量、矩阵也被称为1阶张量、2阶张量
• 每个指标可取的值的个数，被称为指标的维数
• 张量的“直观”定义：多个指标标记下的一堆数

2.1 代码实例

向量:

v = np.random.randn(4,) #生成长度为4的随机向量   randn为高斯分布
print(v)
print(v.shape) #v的形状
print(v.size) #v中包含的元素的个数
print(v.dot(v)) #v和v的内积   v.T表示v的转置
v[1]  = 10.21 #修改v的某个元素 

矩阵：

m = np.random.randn(2,2)  + np.random.randn(2,2) * 1j    # 生成2*2的随机复矩阵
print(m.conj())  # 求矩阵共轭
print(m.conj().T) # 求矩阵共轭转置
print（np.eye(2)） #打印单位阵
print(np.zeros((2,4))) #打印全零矩阵

张量：

x = np.random.randn(2,2,2) #随机生成一个2*2*2的三阶张量
print(x.ndim) #张量的阶数
print(np.ones((2,3,2))) #生成全1的三阶张量

3.张量的图形表示

——张量用连接着N个腿（bond）的圆圈或方块表示，N为张量的阶数

注：一个腿表示一个指标

4.张量的基本操作

• 切片——提取相关元素
• transpose命令——改变张量指标的顺序
• reshape命令——张量的阶数可以进行相互的转换（改变张量的形状）

注：使用transpose命令和reshape命令转换张量前后，其所包含的元素总个数不变，意义仅在于采用不同的index标记各个元素（改变的只是表示方式，值没有改变）

4.1 代码实例

向量切片：

v = np.arange(6) #输出[0 1 2 3 4 5 ]
print(v[:3]) #输出[0 1 2]

张量切片：

x = np.random.randn(4,4,4