基础数据类型Tensor(3)（基础数据类型的输入(2)浮点型）

tensor是pytorch的基础数据结构，是一系列能够通过多维坐标遍历到的数构成的数据集合

tensor和普通的list或者tuple在内存分配上存在差异。tensor在内存上是一块连续的未展开的参数值类型的内存块

tensor的切片操作：

points=torch.tensor([[4.0,1.0],[5.0,3.0],[2.0,1.0]])
points[1:]#除第一行外的所有行列
points[1:,-]#除第一行外所有行的第一列
points[None]#增加1个尺寸为1的维度=unsqueeze

tensor在创建是可以使用names的参量来给各个维度进行命名，同时对于已存在的tensor则可以使用refine_names来进行命名，通过align_as能够是tensor匹配。使用rename(None)可以清空维度的命名

tensor的典型存储数据类型，通过dtype查看和设置

tensor的常规API主要分为：

• 创建ops
• 坐标操作和维度操作ops
• 数学ops

1. pointwise ops
2. reduction ops
3. comparison ops
4. spectral ops
5. other ops
6. BLAS and LAPACK ops

• 随机采样
• 序列化
• 并行操作

tensor的内存空间是1维的，他的view维度被映射到具体的物理空间上,通过size，offset,stride

tensor可通过device控制tensor实际内存的分配硬件位置