PyTorch 是一个开源的机器学习库，主要用于进行计算机视觉（CV）、自然语言处理（NLP）、语音识别等领域的研究和开发。

PyTorch由 Facebook 的人工智能研究团队开发，并在机器学习和深度学习社区中广泛使用。

PyTorch 以其灵活性和易用性而闻名，特别适合于深度学习研究和开发。

只要您具备编程的基础知识，您就可以阅读本教程，学习 PyTorch 适合对深度学习和机器学习感兴趣的人，包括数据科学家、工程师、研究人员和学生。

在您开始阅读本教程之前，您必须具备的基础知识包括 Python 编程、基础数学（线性代数、概率论、微积分）、机器学习的基本概念、神经网络知识，以及一定的英语阅读能力来查阅文档和资料。

下面的是 PyTorch 中一些基本的张量操作：如何创建随机张量、进行逐元素运算、访问特定元素以及计算总和和最大值。

实例

import torch

# 设置数据类型和设备
dtype = torch.float  # 张量数据类型为浮点型
device = torch.device("cpu")  # 本次计算在 CPU 上进行

# 创建并打印两个随机张量 a 和 b
a = torch.randn(2, 3, device=device, dtype=dtype)  # 创建一个 2x3 的随机张量
b = torch.randn(2, 3, device=device, dtype=dtype)  # 创建另一个 2x3 的随机张量

print("张量 a:")
print(a)

print("张量 b:")
print(b)

# 逐元素相乘并输出结果
print("a 和 b 的逐元素乘积:")
print(a * b)

# 输出张量 a 所有元素的总和
print("张量 a 所有元素的总和:")
print(a.sum())

# 输出张量 a 中第 2 行第 3 列的元素（注意索引从 0 开始）
print("张量 a 第 2 行第 3 列的元素:")
print(a[1, 2])

# 输出张量 a 中的最大值
print("张量 a 中的最大值:")
print(a.max())

创建张量：

torch.randn(2, 3) 创建一个 2 行 3 列的张量，填充随机数（遵循正态分布）。

device=device 和 dtype=dtype 分别指定了计算设备（CPU 或 GPU）和数据类型（浮点型）。

张量操作：

a * b：逐元素相乘。

a.sum()：计算张量 a 所有元素的和。

a[1, 2]：访问张量 a 第 2 行第 3 列的元素（注意索引从 0 开始）。

a.max()：获取张量 a 中的最大值。

输出：（每次运行时值会有所不同）

PyTorch 官网 ：https://pytorch.org/

PyTorch 官方入门教程：https://pytorch.org/get-started/locally/

PyTorch 官方文档：https://pytorch.org/docs/stable/index.html

PyTorch 源代码：https://github.com/pytorch/pytorch