张量是一种特殊的数据结构，与数组和矩阵非常相似。在 PyTorch 中，我们使用张量来编码模型的输入和输出，以及模型的参数。
张量类似于 NumPy 的 ndarray，不同之处在于张量可以在 GPU 或其他硬件加速器上运行。实际上，张量和 NumPy 数组通常可以共享底层内存，从而无需复制数据（详见与 NumPy 的桥接）。张量还针对自动微分进行了优化（我们将在后面的 Autograd 部分详细介绍）。如果您熟悉 ndarrays，您会很快适应 Tensor API。如果不熟悉，请继续阅读！
import torch
import numpy as np
初始化张量
张量可以通过多种方式进行初始化。请看以下示例
直接从数据创建
张量可以直接从数据创建。数据类型会自动推断。
data = [[1, 2],[3, 4]]
x_data = torch.tensor(data)
从 NumPy 数组创建
张量可以从 NumPy 数组创建（反之亦然 – 详见与 NumPy 的桥接）。
np_array = np.array(data)
x_np = torch.from_numpy(np_array)