在使用PyTorch构建自己的神经网络时，灵活度非常大，这给了用户更多的发挥空间，这里介绍一些简单的操作。
1，获取所安装PyToch版本
>>> torch.__version__'1.11.0'
2，判断Cuda在我们的系统上是否可用
>>> torch.cuda.is_available<function is_available >
3,查看张量的形状，shape,size
>>> data=torch.tensor([1,2,3,4])>>> data.shapetorch.Size([4])>>> data.size()torch.Size([4])
其中shape是张量的一个属性，而size()是一个方法，所以是对象访问时要带括号。使用dir()函数，可以将一个对象所有方法打印出来，就像这样：
>>> dir(data)
4,dtype,张量的类型
>>> data.dtypetorch.int64
5，device，判断张量在CPU还是GPU
>>> data.devicedevice(type='cpu')
6,改变维度
改变维度这个操作估计是最令人头痛，比如reshape,flattern,view,squeeze...，对于这些个人感觉最应该的就是进行大量实验直至最后理解不同的参数对应不同的维度。