1. tensor API 总览

根据官方文档，对 tensor 可以进行如下操作：

1. creation 操作
2. indexing，slicing，joining 及 mutating 操作
3. math 操作

• elementwise 操作
• reduction 操作
• comparison 操作
• spectral 操作
• linear algebra 操作

4. random sampling 操作
5. serialization 操作
6. parallelism 操作

本文以及接下来的几篇文章会关注前四个操作，最后两个操作会在合适的时候提到。

1. 张量

张量就是在深度学习里，可以使用 GPU 运算的多维数组。

• 0 维张量是一个标量（scalar）；
• 1 维张量是一个矢量（vector）；
• 2 维张量是一个矩阵（matrix）；
• 3 维以上的张量没有通俗的表示。

2. 张量的数据类型

张量一共有三种，整数型、浮点型和布尔型。整数型和浮点型张量的精度分别有 8 位、16 位、32 位、64 位。

获得一个张量的数据类型可以通过 Tensor.dtype 实现；如果给这个表达式赋值则将这个张量的数据类型改为目标类型。

每个人都知道 Python 是一种高效、简洁、优雅的语言。然而 Python 也有很多坑，现在老宅开一个新系列，分享老宅在学习和实践中总结的经验和教训，不定期分享。

第一个经验就是要吐槽数据框的切片。Python 有很多第三方的模块（比如 pandas 这样的数据科学神器），对提升 Python 的实用性贡献很大。然而模块多就有一个副作用：语法的不一致性。老宅在学习 pandas 的过程中就被数据框切片的复杂语法搞得挠头。