本教程将带你了解PyTorch中张量（Tensor）的基本概念与操作，适合初学者入门深度学习！
🛠️ 什么是张量？
张量是PyTorch中数据的核心表示形式，可视为多维数组。
- 标量（0-D）: 单个数值，如
5 - 向量（1-D）: 一维数组，如
[1, 2, 3] - 矩阵（2-D）: 二维数组，如
[[1, 2], [3, 4]] - 高维张量: 三维及以上，常用于处理图像、文本等数据
🧮 常见操作示例
import torch
# 创建张量
x = torch.tensor([1, 2, 3]) # 1-D
y = torch.tensor([[1, 2], [3, 4]]) # 2-D
# 基础运算
print(x + y) # 张量加法
print(torch.mul(x, y)) # 张量乘法
print(torch.sum(y)) # 求和
🚀 应用场景
- 数据存储: 用于保存模型参数或输入数据
- 计算图构建: 张量操作自动记录计算过程，支持反向传播
- GPU加速: 张量可迁移到GPU进行高效计算
❓ 常见问题
- 如何查看张量维度？
使用.shape属性，如x.shape返回(3,) - 如何将张量转为NumPy数组？
通过.numpy()方法，但需注意内存共享机制