张量的基本理论研究基础

Tensor的基本理论
深度学习框架通常使用一种称为"张量"（tensor）的数据结构来表示数据，在神经网络中传递的数据也都是以这种形式存在的。
张量是一种能够描述多维空间中数值分布的数学对象，在其定义域内可具有任意数量的维度（dimensions）。每个张量都有其特定的数据类型（dtype）和形状（shape）。
在同一个张量内部的所有元素必须具有相同的data type（dtype）。对于熟悉Numpy的人来说，在很多方面张量类似于Numpy数组的概念。
张量的操作：
首先创建一个张量，并用ndim属性表示该张量的空间维度数量:

1. 创建类似于vector的1-D Tensor，其 ndim 为1

可通过dtype来指定Tensor数据类型，否则会创建float32类型的Tensor

ndim_1_tensor = paddle.to_tensor([2.0, 3.0, 4.0], dtype=‘float64’)
print(ndim_1_tensor)
Tensor(shape=[3], dtype=float64, place=CUDAPlace(0), stop_gradient=True,
[2., 3., 4.])
特殊地，如果仅输入单个scalar类型数据（例如float/int/b