Tensor和numpy的ndarrays类似，但PyTorch的tensor支持GPU加速。
从接口的角度讲，对tensor的操作可分为两类：
- torch.function，如torch.save等。
- tensor.function，如tensor.view等。
从存储的角度讲，对tensor的操作又可分为两类：
- 不会修改自身的数据，如a.add(b)，加法的结果会返回一个新的tensor。
- 会修改自身的数据，如a.add_(b)，加法的结果仍存储在a中，a被修改了。函数名以_结尾的都是inplace方式，即会修改调用者自己的数据，在实际应用中需加以区分。
常见的新建Tensor的方法
| 函数 | 功能 |
|---|---|
| Tensor(*sizes) | 基础构造函数 |
| ones(*sizes) | 全1Tensor |
| zeros(*sizes) | 全0Tensor |
| eye(*sizes) | 对角线为1，其他为 0 |
| arange(s,e,step) | 从s到e，步长为step |
| linspace(s,e,steps) | 从s到e，均匀切分成 steps 份 |
| rand/randn(*sizes) | 均匀/标准分布 |
| normal(mean,std)/uniform(from,to) | 正态分布/均匀分布 |
| randperm(m) | 随机排列 |
a = t.Tensor(2, 3)数值取决于内存空间的状
b = t.Tensor([[1,2,3],[4,5,6]])用list的数据创建tensor