PyTorch 是一个基于 Python 的开源深度学习框架，以张量操作为核心，可以高效地构建、训练和部署深度学习模型。掌握一维张量的基本操作是理解 PyTorch 的基础，也是进阶学习的必要条件。本文将介绍一维张量的类型、形状、索引和切片操作、常见函数方法、以及与 Numpy 和 Pandas 的数据转换。文章目录一维张量类型和形状索引和切片函数方法Numpy 数组转换为张量Pandas 系列转换为张量总结一维张量类型和形状在 PyTorch 中，张量可以看作是多维数组。一维张量类似于数学中的向量，由一维数组构成。在 PyTorch 中，可以使用torch.tensor()方法将列表数据转换为张量。importtorchimportnumpyasnpimportpandasaspd例如，将整数列表转换为张量：int_to_tensor=torch.tensor([10,
