一、tensor操作
1. 新建
A、torch.Tensor(shape)/torch.FloatTensor(shape)：随机初始化一个维度为shape的张量。
B、torch.randn(shape)：用均值为0，方差为1的高斯分布初始化一个shape的张量。
C、torch.rand(shape)：在区间[0,1]上均匀分布，初始化一个shape的张量。
2、Tensor的变换
A、view / reshape
两个用法差不多，都是用来改变一个张量的数据分布。
注：(2,-1)中的-1会自动计算剩下的维度。
B、squeeze / unsqueeze
第一个是用来压缩维度为1的张量，如(6,1,32,32).squeeze()之后就变为(6,32,32)；第二个是用来增加一个维度。具体看实例如下：
注：squeeze中不带参数，是将所有维度为1的地方去掉，带参数是去指定维度为1的地方，若指定的维度不为1，则不变。
注：在指定的维度上插入一个大小为1的新维度。
C、expand / repeat
这两个都是进行数据的扩充操作，第一个是扩充到指定的维度大小，第二个函数的参数维度上扩充的倍数。一般结合上面2.B中的函数使用。
D、 t / transpose / permute
这三个函数用来数据维度之间的调整，第一个只能用于2D。
E、broadcasting机制
相当于自动完成了unsqueeze+expand的操作，但是相比节省内存空间。
通过broadcasting机制，张量可以直接和标量进行相加。
