🧠 PyTorch张量教程
张量（Tensor）是PyTorch的核心数据结构，可视为多维数组的扩展。以下是关键知识点：
基础概念
- 张量维度：0D（标量）→1D（向量）→2D（矩阵）→3D及以上（多维数组）
- 数据类型：支持float32/float64/int8等，可通过
.dtype查看 - 设备支持：CPU/GPU切换使用
.to(device)方法
创建方式
- 直接定义：
torch.tensor([[1,2],[3,4]]) - 随机生成：
torch.rand(2,3)/torch.randn(2,3) - 零填充：
torch.zeros(2,3)/torch.ones(2,3) - 空张量：
torch.empty(2,3)
- 直接定义：
核心操作
- 重塑形状：
.view()/.reshape() - 拼接：
torch.cat()（支持dim参数） - 索引：
.index_select()/.masked_select() - 数学运算：
.add()/.mul()/.matmul()
- 重塑形状：
应用场景
- 神经网络参数初始化
- 数据预处理与增强
- 批量数据处理（如图像/文本）
- 自定义损失函数计算
📌 深入学习可参考：PyTorch张量操作指南