什么是PyTorch？
PyTorch是Facebook人工智能團隊開發的一個機器學習和深度學習工具，用於處理大規模圖像分析，包括物體檢測，分割與分類。但是它的功能不僅限於此。它與其它深度學習框架結合，能夠完成復雜的算法。PyTorch用Python和C++編寫。
PyTorch屬於深度學習框架中的重要一員，與TensorFlow, Keras, Theano等其它深度學習框架不同，它是動態計算圖模式，其應用模型支持在運行過程中根據運行參數動態改變，而其它框架都是靜態計算圖模式，其模型在運行之前就已經確定。以下是各個深度學習框架的熱度對比:
關於各個深度學習框架的對比，可以參考網址：Comparison of deep learning software
。
PyTorch是使用GPU和CPU優化的深度學習張量庫。
下面，我們將一起來學習PyTorch中向量（Tensor）的相關操作。
安裝與運行
PyTorch的安裝十分簡單，需要用pip安裝即可：
pip3 install torch
pip3 install torchvision
其中torchvision包含了一些torch內置的圖片與視頻數據集。
用以下的Python代碼可以輸出安裝的PyTorch版本信息：
import torch
print(torch.version.__version__)
在筆者的電腦上，輸出的結果如下：
1.0.1.post2
向量的基本操作
導入模塊
檢測是否為PyTorch中的向量
is_tensor()函數可以檢測某個序列是否為PyTorch中的向量，is_storage()可以檢測某個序列是否被存儲為PyTorch中的向量。
可以看到，Python中的列表並不是PyTorch中的向量，也不會被存儲為PyTorch中的向量。那么，如何創建PyTorch中的向量呢？
創建隨機向量
利用randn()函數可以創建隨機向量，隨機數為0~1的隨機浮點數，可以指定創建的向量的維數。
可以看到，我們創建了1*2*3維的向量，用size()函數可以查看向量的維數情況，用numel()函數可以查看向量中的所有元素個數。
創建零向量
利用zeros()函數可以創建零向量，即所有元素均為零的向量，只需指定向量的維數即可。
在上面，我們創建了4*4的零向量。
創建單位向量
利用eye()函數可以創建單位向量，即主對角元素為1，其余元素均為零的向量，只需指定向量的維數即可。當二維向量的行數與列數不一樣時，主對角元素為1，其余為0。
從numpy中創建向量
PyTorch支持直接從numpy中創建向量，這為PyTorch和numpy提供了無縫對接，這也是PyTorch的一個優勢。
當然，PyTorch也可以將向量轉化為numpy中的ndarrays.
Tensor函數創建向量
可以利用Tensor()直接創建向量。
linspace與logspace創建向量
linspace(tart, end, steps=100, out=None)通過指定開始值、終值和元素個數創建表示等差數列的一維數組，可以通過endpoint參數指定是否包含終值，默認值為True，即包含終值。
logspace(tart, end, steps=100, out=None)返回一個1維張量，包含在區間10exp(start)和10exp(end)上以對數刻度均勻間隔的 steps個點。
創建均勻分布向量
rand()函數可以創建指定維數的滿足均勻分布的向量。
隨機整數排列向量
randperm(n, out=None) ,給定參數n，返回一個從0 到n -1 的隨機整數排列。
等差數列向量
arange(start, end, step=1, out=None) , 返回一個1維張量，包含從start到end，以step為步長的一組序列值(默認步長為1)。
尋找最大值、最小組
argmin()和argmax()函數可以尋找向量所在的最小值和最大值的下標，0表示沿着行查找，1表示沿着列查找。
向量拼接
cat()函數在給定維度上對輸入的張量序列seq 進行連接操作，默認的維度為0，即按行拼接。
向量分塊
chunk(tensor, chunks, dim=0)函數在給定維度(軸)上將輸入張量進行分塊，默認為0，即按行進行分塊。
gather()函數
gather(input, dim, index, out=None), 沿給定軸dim，將輸入索引張量index指定位置的值進行聚合。gather()函數理解起來比較困難，先看例子，再解釋：
gather的作用是這樣的，index是索引，具體是行還是列的索引要看前面dim ，比如對於我們的例子, [[11, 12], [23, 24]], 指定dim=1，也就是橫向，那么索引就是列號。index的大小就是輸出的大小，所以比如index是[[0,0], [1,0]]，那么看index第一行，0列指的是11，同理，第二行為1, 0 , 這樣就是[24, 23]，參考這樣的解釋看上面的輸出結果，即可理解gather的含義。
索引
index_select(input, dim, index, out=None) ，沿着指定維度對輸入進行切片，取index中指定的相應項(index為一個LongTensor)，然后返回到一個新的張量，返回的張量與原始張量_Tensor_有相同的維度(在指定軸上)。
split()函數
split(tensor, split_size, dim=0), 將輸入張量分割成相等形狀的chunks（如果可分）。 如果沿指定維的張量形狀大小不能被split_size整分， 則最后一個分塊會小於其它分塊。
向量轉置
二維向量的轉置可以用t()或transpos(1, 0)實現。
unbind()
unbind(tensor, dim=0), 移除指定維后，返回一個元組，包含了沿着指定維切片后的各個切片，默認維度為1，表示行，1表示列。
判斷是否為零元素
nonzero()函數可以判斷向量中的元素是否為0.
向量運算
以下將演示幾種常見的矩陣運算。
矩陣的點乘與矩陣乘法
總結
本文的github地址為：https://github.com/percent4/PyTorch_Learning/blob/master/pytorch_tensor_demo.ipynb 。
注意：不妨了解下筆者的微信公眾號： Python爬蟲與算法（微信號為：easy_web_scrape）， 歡迎大家關注~