张量是一种特殊的数据结构，与数组和矩阵非常相似。在PyTorch中，我们使用张量来编码模型的输入和输出，以及模型的参数。
张量类似于NumPy的ndarrays，只是张量可以在GPU或其他硬件加速器上运行。事实上，张量和NumPy数组通常可以共享相同的底层内存，从而无需复制数据（请参阅使用NumPy进行桥接）。张量还针对自动微分进行了优化（我们将在稍后的Autograd部分中看到更多内容）。如果您熟悉ndarrays，您将熟悉Tensor API。
初始化张量
直接从数据中初始化
张量可以直接从数据中创建。数据类型是自动推断的。
从NumPy数组初始化
张量可以从NumPy数组中创建（反之亦然—请参阅使用NumPy进行桥接）。
从另一个tensor初始化
新张量保留参数张量的属性（形状，数据类型），除非显式覆盖。
具有随机值或常量值
shape
是张量维度的元组。在下面的函数中，它确定输出张量的维数。
张量的属性
张量属性描述了它们的形状、数据类型以及存储它们的设备。
标准的numpy式索引和切片
连接张量
算术运算
这段代码主要演示了如何在PyTorch中进行矩阵乘法和元素级乘法。
矩阵乘法与元素级乘法是什么？
矩阵乘法和元素级乘法是两种不同的数学运算。
单元素张量
如果你有一个单元素张量，例如通过将张量的所有值聚合为一个值，你可以使用
item()
将它转换为Python数值。
就地操作
与NumPy的桥接
CPU和NumPy数组上的张量可以共享它们的底层内存位置，改变一个就会改变另一个。
张量到NumPy数组
NumPy数组到张量
Notebook来源：
Tensors - PyTorch Tuesday 2.3.0+ cu 121文档 --- Tensors — PyTorch Tutorials 2.3.0+cu121 documentation
