张量
矩阵初始化——torch
from __future__ import print_function
import torch
x = torch.empty(5,3)
y = torch.rand(5,3)
z = torch.zeros(5,3,dtype=torch.long)#全零
m = torch.tensor([5.5,3])
x = x.new_ones(5,3,dtype=torch.double)
x = torch.randn_like(x,dtype = torch.float)
x.size()
# 分行列-1表示一个不确定的数，就是你如果不确定你想要reshape成几行，但是你很肯定要reshape成4列，那不确定的地方就可以写成-1，例如一个长度的16向量x，x.view(-1, 4)等价于x.view(4, 4)，x.view(-1, 2)等价于x.view(8，2)
x = torch.randn(4,4)
y = x.view(-1)
z = x.view(-1,8)
#转置
x.t_()
自动微分（autograd）
神经网络
Conv2d参数
nn.Linear详解
激活函数ReLU
池化层
图像分类器
注意： 如果上图中的红框代码运行时，device无法获取到cuda或者torch.cuda.is_available()返回False，这种情况基本上是因为CUDA版本不匹配的问题，最简单也最安全的做法是重新创建一个新的版本匹配的虚拟环境，创建GPU版的Pytorch环境教程(点击跳转)
数据并行处理
电脑有多少GPU每个输出outside的In Model就有多少行