1.首先导入Pytorch：
import torch
2.创建张量
#【1】不初始化
x = torch.empty(5, 3)
#【2】随机初始化
x = torch.rand(5, 3)#0-1之间的数
#【3】全零，指定数据类型
x = torch.zeros(5, 3, dtype=torch.long)
#【4】直接根据数据创建
x = torch.tensor([5.5, 3])
#【5】通过现有的Tensor来创建
x = x.new_ones(5, 3, dtype=torch.float64) # 返回的tensor默认具有相同的torch.dtype和torch.device
x = torch.randn_like(x, dtype=torch.float) # 此方法会默认重用输入Tensor的一些属性，例如数据类型，除非自定义数据类型。
3.获取张量属性
print(x.size())#返回的torch.Size其实就是一个tuple, 支持所有tuple的操作
print(x.shape)
torch.Size([5, 3])
4.创建张量函数总结
| 函数 | 功能 |
|---|---|
| Tensor(*sizes) | 基础构造函数 |
| tensor(data,) | 类似np.array的构造函数 |
| ones(*sizes) | 全1Tensor |
| zeros(*sizes) | 全0Tensor |
| eye(*sizes) | 对角线为1，其他为0 |
| arange(s,e,step) | 从s到e，步长为step |
| linspace(s,e,steps) | 从s到e，均匀切分成steps份 |
| rand/randn(*sizes) | 均匀/标准分布 |
| normal(mean,std)/uniform(from,to) | 正态分布/均匀分布 |
| randperm(m) | 随机排列 |
这些创建方法都可以在创建的时候指定数据类型dtype和存放device(cpu/gpu)。
