PyTorch 张量运算核心详解
张量是 PyTorch 的核心数据结构，所有计算都建立在张量运算之上。深入理解张量操作是高效使用 PyTorch 的基础。
张量创建与属性
python
import torch
# 从数据创建
t = torch.tensor([[1, 2], [3, 4]], dtype=torch.float32, device='cuda')
# 常用创建方式
zeros = torch.zeros(3, 4)
ones = torch.ones(2, 3)
randn = torch.randn(100, 50) # 标准正态分布
arange = torch.arange(0, 10, step=2)
# 张量属性
print(t.shape) # torch.Size([2, 2])
print(t.dtype) # torch.float32
print(t.device) # cuda:0
print(t.requires_grad) # False广播机制
python
# 广播规则：从最右维度开始，维度为1或相等时可广播
a = torch.randn(3, 1, 4) # [3, 1, 4]
b = torch.randn(1, 5, 4) # [1, 5, 4]
c = a + b # [3, 5, 4]避免隐式广播错误
广播可能导致意外的维度扩展。建议使用 tensor.expand() 或 tensor.unsqueeze() 显式操作，避免难以调试的维度问题。