了解张量以及如何在最著名的机器学习库pytorch中使用它们
在深度学习领域（也包括ChatGPT构建的领域）中，最重要的库之一是pytorch。与Tensorflow框架一起，pytorch是软件开发人员和数据科学家可以使用的最著名的神经网络训练框架之一。除了易用性和简单的API外，它在灵活性和内存使用方面都表现出色，使其在多维计算（反向传播的重要组成部分之一，用于优化神经网络的权重）方面非常快速 —— 这些细节使其成为公司在构建深度学习模型时最受追捧的库之一。
在本篇博客文章中，我们将检查使用pytorch进行一些基本操作，并了解如何使用tensor对象！张量是数学表示的数据，通常以不同的名称称呼：
- 1个元素的张量：通常称为标量，由单个数学值组成。
- 一维张量：由n个例子组成，通常称为一维向量，并且将不同的数学元素存储在一个维度中。
- 二维张量：通常称为矩阵，能够以两个维度存储数据。可以将其视为普通的SQL表格或Excel电子表格。
- 三维张量及更高维度的张量：以此维度组织的数据通常更难以可视化，并且通常称为n维张量。
通过这个简短的数学概念介绍，让我们来探索如何在Python中使用pytorch！
张量对象
正如我们所描述的，张量对象是对n维对象的数学泛化，可以扩展到几乎任何维度。尽管在深度学习的上下文中，张量通常是多维的，我们也可以使用torch创建单个元素的张量（通常称为标量）（尽管名为pytorch，我们在Python中使用torch来操作该库）。