Pytorch学习记录（一）Tensor及其性质

什么是Pytorch

这是一个基于Python的科学计算软件包，面向两组受众：

• 替代NumPy以使用GPU的功能
• 深度学习研究平台，可提供最大的灵活性和速度1

 

1. 张量(Tensors)

张量如同数组和矩阵一样, 是一种特殊的数据结构。张量的英文是Tensor，它是PyTorch里面基础的运算单位，在PyTorch中, 神经网络的输入、输出以及网络的参数等数据, 都是使用张量来进行描述。

张量与NumPy的ndarrays类似，此外，张量也可以在GPU上使用以加速计算。

在同构的意义下，第零阶张量 （r = 0） 为标量 （Scalar），第一阶张量 （r = 1） 为向量 （Vector）， 第二阶张量 （r = 2） 则称为矩阵 （Matrix），第三阶以上的统称为多维张量。1

我们可以使用下标来引用向量的任一元素。2例如，我们可以通过$x_i$来引用第$i$个元素。注意，元素$x_i$是一个标量，所以我们在引用它时不必加粗。一般认为列向量是向量的默认方向，故在数学中，向量$\mathbf{x}$可以写为：

$$\mathbf{x}=\left[\begin{array}{c}{x}_1\\ x_2\\ ⋮\\ x_n\end{array}\right],$$

矩阵，我们通常用粗体、大写字母来表示（例如，$\mathbf{X}$、$\mathbf{Y}$和$\mathbf{Z}$），在代码中表示为具有两个轴的张量。在数学表示法中，我们使用