PyTorch|PyTorch张量解释

神经网络中的输入、输出和转换都使用张量表示，因此，神经网络编程大量使用张量，张量是我们在 PyTorch 中编程神经网络时将使用的数据结构。

关于张量及其维数的简要说明，以及术语：

• ? ? ??你有时会看到一个称为向量的一维张量

• ? ? ? 同样，二维张量通常被称为矩阵

• ? ? ? 任何具有二维以上的东西通常被称为张量

在对神经网络进行编程时，数据预处理通常是整个过程的第一步，数据预处理的一个目标是将原始输入数据转换为张量形式。

我们通常要知道这几个张量属性。

• torch.dtype

• torch.device

• torch.layout

通过实例看一下：

>>> data=torch.tensor([1,2,3,4])
>>> data.dtype
torch.int64
>>> data.device
device(type='cpu')
>>> data.layout
torch.strided

更多的torch.dtype可以看下面：