tensor张量创建的一个数组。
张量用来存放图片0-255的数值。
图像处理其实就是处理数字，利用卷积神经网络。
1）torch.tensor()：
torch. tensor(data, dtype=None, device=None, requires_grad=False, pin_memory=False)
功能：从data创建tensor
·data：数据，可以是list，numpy
·dtype：数据类型，默认与data的一致
·device：所在设备，cuda/cpu
·requires_grad：是否需要梯度
·pin_memory：是否存于锁页内存
2）torch.from_numpy（ndarray）
功能：从nunpy创建tensor
注意事项：从torch.from_numpy创建的tensor于原ndarray共享内存，当修改其中一个的数据，另外一个也将会被改动
3）依据数值直接创建 torch.zeros()
torch.zeros(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)
功能：依size创建全0张量
·size：张量的形状，如（3，3）、（3，224，224）
·out：输出的张量
·layout：内存中布局形式，有strided(默认值一般用这个)，sparse_coo（稀疏矩阵才用这个，会提高读取效率）等
·device：所在设备，gpu/cpu
·requires_grad：是否需要梯度
通过torch.zeros创建张量
out_t = torch.tensor([1])
t = torch.zeros((3, 3), out=out_t)#这是最奇怪的地方，Out的结果要传给了out_t
print(t, '\n', out_t)
print(id(t), id(out_t), id(t) == id(out_t))
4)torch.ones_like()
torch. ones_like(input, dtype=None,layout=None, device=None, requires_grad=False)
功能：依input形状创建全1张量
·size：张量的形状，如（3，3）、（3，224，224）
·dtype：数据类型
·layout：内存中布局形式
·device：所在设备，gpu/cpu
·requires_grad：是否需要梯度
# 通过torch.full创建全1张量
# flag = True
flag = False
if flag:
t = torch.full((3, 3), 1)
print(t)
5)torch.full()和 torch.full_like()
功能：依input形状创建全0张量
·size：张量的形状，如（3，3）
·fill_value：张量的值
torch. full(size, fill_value, out=None, dtype=None,layout=torch. strided, device=None, requires_grad=False)
6)torch.arange()
功能：创建等差的1维张量
注意事项：数值区间为[start，end）
·start：数列起始值
·end：数列“结束值”
·step：数列公差，默认为1
torch. arange(start=e, end, step=1, out=None, dtype=None,layout=torch. strided, device=None, requires_grad=False)
7)torch.linspace()
功能：创建均分的1维张量
注意事项：数值区间为[start，end]
·start：数列起始值
·end：数列结束值
·steps：数列长度，注意这里不是长度，不是步长。
torch. linspace(start, end, steps=100, out=None, dtype=None, layout=torch. strided, device=None, requires_grad=False)
8) torch.logspace()
功能：创建对数均分的1维张量
注意事项：长度为steps，底为base
·start：数列起始值
·end：数列结束值
·steps：数列长度
·base：对数函数的底，默认为10
9) torch.eye()
功能：创建单位对角矩阵（2维张量）
注意事项：默认为方阵
·n：矩阵行数
·m：矩阵列数
10)torch.normal（）
功能：生成正态分布（高斯分布）
·mean：均值。
·std：标准差
**torch. normal(mean, std, out=None)**
四种模式：
mean为标量，std为标量（参数多一个：size）
mean为标量，std为张量
mean为张量，std为标量(可以用来初始化权重)
mean为张量，std为张量
# 通过torch.normal创建正态分布张量
flag = True
# flag = False
if flag:
# mean：张量 std: 张量
mean = torch.arange(1, 5, dtype=torch.float)
std = torch.arange(1, 5, dtype=torch.float)
t_normal = torch.normal(mean, std)
print("mean:{}\nstd:{}".format(mean, std))
print(t_normal)
11)torch.randn()和 torch.randn like()
torch.randn(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)
功能：生成标准正态分布
·size：张量的形状
12)torch.randint()和torch.randint_like()
功能：区间[low，high)生成整数均匀分布
·size：张量的形状
13) torch.randperm()
功能：生成生成从0到n-1的随机排列
·n：张量的长度
14) torch.bernoulli()
功能：以input为概率，生成伯努力分布（0-1分布，两点分布）
·input：概率值
pytorch中文参考文档：MD格式
https://pytorch.org/docs/stable/index.html