結論：1.張量與數組運算，張量必須在cpu上，產生結果為cpu上的張量，可繼續與數組運算(張量必須在gpu上)
2.張量與張量運算，cpu上的張量與gpu上的張量是無法運行的，必須在相同的gpu上或cpu上，猜想不同型號的gpu因該也不行。
一.張量與數組運算，前提張量必須在cpu上(如果張量在gpu上，則會報錯(我認為數組本身在cpu上，因此2個操作在cpu上，就可以默認運行))，運算結果將會轉到cpu上，具體操作如下：
注：報錯代碼 TypeError: can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.
代碼如下：
b=np.array(9) # numpy 數組
a = torch.ones((2, 2)) # 張量
print('a in device :',a.device)
c=a*b # 數組與張量運算，其中張量在cpu上
print('c in device:{};value{}'.format(c.device,c))
結果如圖：
報錯結果：
繼續探討張量與數組運算：
b=np.array(9) # numpy 數組
a = torch.ones((2,2)) # 張量
print('a in device :',a.device)
c=a*b # 數組與張量運算，其中張量在cpu上
print('c in device:{};value:{}'.format(c.device,c))
d=np.array(8)
e=c*d # 繼續驗證數組與產生的張量運算
print('e in device:{};value:{}'.format(e.device, e))
結果如圖：
二.張量與張量運算，若在不同設備會報錯，RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cuda:0 and cpu!，結論很清楚，而具體過程如下：
代碼如下：
b=torch.ones((2,2)) # numpy 數組
b=b.cpu()
a = torch.ones((2,2)) # 張量
a=a.cuda()
print('a in device :{};b in device :{}'.format(a.device,b.device))
c=a*b # 數組與張量運算，其中張量在cpu上
print('c in device:{};value:{}'.format(c.device,c))
結果如下：
