基本数据类型
数据类型类型检验维度（dimension）
0维1维2维3维4维 创建Tensor
np转换torch.empty()torch.tensor() / torch.Tensor()torch.set_default_tensor_type()torch.full( [a,b] ,c)torch.randn() / torch.normal()arange / rangetorch.linspace（） /torch.logspace（）torch.one/zero/eyetorch.randperm 基本数据类型 数据类型
在Python中，我们常用 int, float 等表示数据类型；在Pytorch中则统一为不同的 张量（tensor） 形式 。同时，在CPU和GPU中，表示的方式也有区别，在GPU中的类型需额外增加 .tensor （即使是同一个数据，放在不同的位置，其类型也是不同的）
类型检验 可以采用 a.type() 的方式将数据类型打印出来也可以采用 type(a) 的方式 ，但此方式只能显示张量的总类型，故不常用在程序中往往采用 isinstance() 的方式判断是否为期望类型
维度（dimension）
注：通过 .dim() 或 len(a.shape) 可以直接获取维度数；通过*.nmel()** 可以获取数据大小*
0维 dimension为0 ，称之为标量，直接用 torch.tensor(a) ，（a为任意常数） 的方式表示 （一般用于表示loss的值）可以使用 .shape() 获取大小 ，可以得到 torch.size([ ]) 的输出，代表 dim 为0
1维
dimension为1 ，称之为一维向量，使用torch.tensor(a,b) ，（a,b为任意常数） 来表示一个确定的一维向量 （a,b）， 或torch.FloatTensor(a) ，（a为任意常数） 来表示一个随机生产的一维向量，a代表数据的个数 （一般用于表示bias、liner input的值）
2维
dimension为2 ，称之为二维向量，使用torch.randn(a,b) ，（a,b为任意常数） 来随机创建一个a行b列的矩阵 （randn为随机正太分布） （常用于linerinput）使用 .shape 可以获得该值的行数和列数；使用 .shape[ 0 ] 可以获得行数； .shape[ 1 ] 获得列数使用 .size( 0 ) 可以获得行数；.size( 1 ) 可以获得列数（注意：这里的括号为圆括号，shape为方括号）
3维
dimension为3 ，称之为三维向量，使用torch.rand(a,b,c) ，（a,b,c为任意常数） 来随机创建一个三维的矩阵 （rand为随机均匀分布）常用于RNN，用于NLP的文字处理，三维分别表示：单词数，句子数和特征直观上可与从最左边开始数，有几个方括号就是几维，其余内容基本同上 4维
dimension为4 ，称之为四维向量，使用torch.rand(b,c,h,w) ，（b,c,h,w为任意常数） 来随机创建一个四维的矩阵 （rand为随机均匀分布）常用于CNN，四维数据分别表示为：b->单次传入的图片数量（batch_size）；c->通道数；h,w->图片的宽高 创建Tensor np转换
先通过 np、array() 等方式创建numpy数组；再通过 torch.from_numpy() 将数组转化为 tensor torch.empty()
可以通过 torch.empty() 创建一个未初始化的tensor，输入为大小shape torch.tensor() / torch.Tensor()
直接通过 torch.tensor() 或 torch.Tensor() 创建 tensor数组
*注意： 小写的 .tensor() 内只能输入确定的值；而大写的 .Tensor() 则可以 输入大小shape 作为初始化，如， .Tensor(a,b) ;也可以 直接输入确定的值，如 .Tensor([a,b])
一般来说，使用 .Tensor() 时输入 shape ；使用 .tensor() 时输入确定的值 torch.set_default_tensor_type()
可以使用 torch.set_default_tensor_type() 指定默认的参数类型，如，下例，将默认参数类型改为 Double_Tensor
torch.full( [a,b] ,c)
使用 torch.full( [a,b] ,c) 将[a,b]的值全部赋值为c，[a,b] 可以为空 torch.randn() / torch.normal()
使用 torch.randn() ，输入为shape ，创建一个已知shape的随机数列使用 torch.normal() ，随机创建均匀分布数列，例子如下
arange / range
在torch中一般用arange创建一个左闭右开的联系数组（注意，一般不用range）举例如下（第三个参数为步长）：
torch.linspace（） /torch.logspace（）
torch.linspace（） 创建一个等分的等差数列 ，注意这里区别于arange，torch.linspace 区间是左闭右闭的torch.logspace（） 创建规则与 torch.linspace（） 类似，相当于对 torch.linspace（） 的每个值多一个10的底，每个元素都是十的几次方
torch.one/zero/eye
torch.one 创建全1矩阵torch.zero 创建全0矩阵torch.eye（a） ，创建一个对角线为1，其余元素为0的对称阵（a阶单位阵） torch.randperm
torch.randperm 生成一个左闭右开的随机索引