1 import Pytorch
 2 #创建一个维度为（2,3）的张量：
 3 A = torch.Tensor(2,3) 
 4 #创建一个元素为b数组中的元素的张量：
 5 b = [[5,8],[10,20],[1,6]]
 6 A = torch.FloatTensor(b)
 7 #查询张量的维度信息：
 8 A.size()
 9 #查询变量类型:
10 A.type() 
11 # 定义一个3行2列的全为0的矩阵：
12 A = torch.zeros((3, 2))
13 #创建指定维度的随机数张量：（元素呈正态分布，均值为0，方差为1）
14 A = torch.randn(n,m)
15 #创建指定维度的随机数张量：（元素在0到1之间均匀分布）
16 A = torch.rand(n,m)
17 #创建元素以一定步长递变的张量：（步长可以为float数据类型）：
18 A = torch.range(起始值,结束值，步长)
19 /********************************************************************/
20 #创建一维向量：
21 A = torch.tensor([1.1])
22 A = torch.tensor([1.1,2.2,3.0])
23 #创建二维向量：
24 A = torch.randn(2,3)  --->：2行3列
25 #创建三维向量：
26 A = torch.rand(3,10,10) --->3通道10行10列--->Color img
27 #创建四维向量：
28 A = torch.rand(2,3,28,28)---> [batch,channels,width,height]
29 三、张量运算
30 import Pytorch
31 #定量两个张量
32 A = torch.Tensor( [[31,-2],[4,-4],[-5,-12]]) 
33 B = torch.Tensor( [[-2,-7],[-8,-4],[7,-9]]) 
34 #对所有元素取绝对值: 
35 C = torch.abs(A)
36 #张量对应元素相加：
37 C = torch.add(A,B)
38 #张量对应元素相乘：
39 C = torch.mul(A,B)
40 #张量对应元素相除：
41 C = torch.div(A,B)
42 #张量A的n次幂：
43 C = torch.pow(A,n)

1 import torch
2 import numpy as np
3 # 定义一个3行2列的全为0的矩阵:
4 A = torch.randn((3, 2))
5 # tensor转化为numpy:
6 numpy_A = A.numpy()
7 # numpy转化为tensor:
8 numpy_A = np.array([[1, 2], [3, 4], [5, 6]])
9 torch_A = torch.from_numpy(numpy_A)