4.1 Tensor對象及其運算

Tensor對象是一個維度任意的矩陣，但Tensor中所有元素的數據類型必須一致。Torch包含的數據類型與普通編程語言的數據類型類似，包含浮點型、有符號整型和無符號整型，這些類型既可以定義在CPU上，也可以定義在GPU上。在使用Tensor數據類型時，可通過dtype屬性指定數據類型，通過device指定設備（CPU或者GPU）。

通過device指定在GPU上定義變量后，可在終端通過nvidia-smi命令查看顯存占用。同時Torch還支持在CPU和GPU之間復制變量。

對Tensor執行算術運算符的運算時，是兩個矩陣對應元素的運算。torch.mm執行矩陣乘法計算。

此外，還有一些具有特定功能的函數，如torch.clamp起的是分段函數的作用，可用于去掉矩陣中過小或者過大的元素；torch.round可以將小數部分化整；torch.tanh用來計算雙曲正切函數，該函數可以將數值映射到(0,1)之間。

除了直接從ndarray或list類型的數據中創建Tensor外，PyTorch還提供了一些函數可直接創建數據（這類函數往往需要提供矩陣的維度）。torch.arange與Python內置的range的使用方法基本相同，其第3個參數是步長。torch.linspace第3個參數指定返回的個數，torch.ones返回全1矩陣、torch.zeros返回全0矩陣。

torch.rand返回[0,1]之間均勻分布采樣的元素所組成的矩陣，torch.randn返回從正態分布采樣的元素所組成的矩陣。torch.randint返回指定區間均勻分布采樣的隨機整數所生成的矩陣。