2.2.1 初始化张量

张量在很多方面都很有用，除了可以作为图像的基本数据结构之外，还有一个更加突出的用途，就是可以利用张量来初始化连接神经网络不同层的权重。

在本节中，将学习初始化张量对象的不同方法。

1.导入PyTorch并通过调用torch.tensor在列表中初始化一个张量：

2.接下来，访问张量对象的形状和数据类型：

张量内所有元素的数据类型是相同的。这就意味着如果一个张量包含不同数据类型的数据（比如布尔、整数和浮点数），那么整个张量被强制转换为一种最为通用的数据类型：

正如你在上述代码的输出中所看到的，False（布尔）和1（整数）被转换为浮点数。

或者，类似于NumPy，可以使用内置函数初始化张量对象。注意，这里画出的张量和神经网络权重之间的相似之处现在开始显现了：这里初始化张量，使它们能够表示神经网络的权重初始化。

3.生成一个张量对象，它有三行四列，填充0：

4.生成一个张量对象，它有三行四列，填充1：

5.生成值介于0和10之间（包括小值但不包括大值）的三行四列：

6.生成具有0和1之间随机数的三行四列：

7.生成数值服从正态分布的三行四列：

8.最后，可以直接使用torch.tensor（< NumPy-array>）将NumPy数组转换为Torch张量：

在学习了如何初始化张量对象的基础上，我们将在下一节学习如何在张量之上执行各种矩阵运算。