"""

在開頭加上from __future__ import print_function這句之後，即使在python2.X，

使用print就得像python3.X那樣加括號使用。python2.X中print不需要括號，而在python3.X中則需要;

低版本支援高版本，高版本不支援；

"""

from __future__ import print_function

import torch

x = torch.empty(5,3)##5行3列矩陣，未初始化；實際上會進行隨機初始化；

"""

tensor([[1.3220e-08, 4.5712e-41, 1.3220e-08],

[4.5712e-41, 8.8674e-04, 6.2717e+22],

[4.7428e+30, 1.8179e+31, 7.0948e+22],

[3.1855e-12, 1.7565e+25, 2.9590e+21],

[6.8899e+22, 2.6301e+20, 1.2118e+25]])

"""

print(x)

x = torch.empty(5,3,dtype=torch.float16)#帶型別建立,注意這裡是小寫torch；

print(x.type())#torch.HalfTensor

x = torch.rand(5,3)#這裡意思是均勻分佈

print(x)

x = torch.zeros(5,3)

x = torch.ones(3,2)#這裡我們指定初始化位0或者1；

y = torch.tensor([1,2])#這裡直接從張量建立，注意這裡的語法；

x = x.new_ones(3,2)

print(x)##根據已有張量進行建立，使用已有張量屬性；包括形狀，初始化值等；

x = x.new_ones(3,2,dtype=torch.float64)#這裡指定型別；另外一種語法形式如下：

x = torch.rand_like(x,dtype=torch.float32)#同上，只是語法稍微有所不同；並進行了型別覆蓋

print(x)

print(x.size())#torch.Size([3, 2])

x = x+x

x = torch.add(x,x)#二者是同樣意思；

torch.add(x,x,out=x)#將運算結果給x，省略了賦值操作；

x.add(x)#在x基礎上加上x；

x=torch.randn(4,4)#標準正太分佈

x = x.view(16)#轉換為一行

x = x.view(-1,8)#轉換為2行8列，這裡-1代表自動計算行；

print(x[0][0].item())#獲取具體數值內容，再轉換為數字；

x = x.numpy()

print(type(x))#<class 'numpy.ndarray'>轉換型別；

x = torch.from_numpy(x)

#裝置遷移

if torch.cuda.is_available():

device = torch.device('cuda')#建立一個cuda裝置物件；

gpu_tensor = torch.ones_like(x,device=device)#在GPU上建立一個張量

x = x.to(device)#和上面完全一樣，只是方式不同；

x = x.to('cpu',torch.double)#將張量轉移到cpu上，並設定型別。這裡使用的是字串形式遷移，本質是一樣