PyTorch安裝：
https://pytorch.org/get-started/locally/
PyTorch基礎：
張量：包括零維（常數），一維（數組/列表/元組），二維（矩陣）......
張量的創建：
torch.tensor(list/array/tuple) #把數組/列表/集合轉化為張量
torch.ones([2,3]) #創建形狀為[2,3]的，元素均為1的張量
torch.zeros([2,3]) #創建形狀為[2,3]的，元素均為0的張量
torch.empty([2,3]) #創建形狀為[2,3]的，元素服從正態分布的張量
torch.rand([2,3]) #創建形狀為[2,3]的，元素為0-1的張量
torch.randn([2,3]) #創建一個形狀為[2,3]，元素均值為0標准差為1的數組
torch.randint(low,high,size=[]) 生成一個指定size，元素為low-high見隨機整數的張量
tensor屬性：
tensor.item() tensor中只有一個元素時用於獲取元素（多個元素會報錯）
tensor與numpy的轉換：
np_ts = tensor.numpy()
ts = torch.tensor(np_ts)
tensor.size(dim) tensor的形狀（可指定方向）
tensor.view(size) 改變tensor形狀
tensor.t(0,1) tensor的轉置（可指定維度）
tensor切片與索引：
類同於numpy
tensor方法：
tensor.max(dim) 獲取tensor中最大的元素（可指定維度，會同時返回索引）
tensor數據類型：
tensor.dtype 查看tensor的數據類型
tensor.int() 轉為int32
tensor.long() 轉為int64
tensor.float() 轉為float32
tensor.double() 轉為float64
tensor計算：
tensor+/-/*//tensor 形狀相同的矩陣對應位置進行操作（若形狀不同，滿足廣播條件，可進行廣播后操作）
tensor+/-/*//數字
tensor1.add_(tensor2) 將相加后的tensor賦值為tensor1
CUDA類型：
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
torch.tensor([2,3],device) #創建類型為cuda的tensor
tensor.to(device) #將已創建好的tensor轉為cuda類型的tensor
tensor.cpu() #將cuda類型的tensor轉化為cpu類型的tensor