最近在都 Deep Learning with Pytorch 这本书，目前为止感觉还是不错。尤其是它里面的手绘风插图，真的是印象深刻，好感顿生。
第三章介绍了 tensor 的数据结构，感觉讲的挺好的，做一个笔记，加深下印象。
通过 dtype 参数可以指定 tensor 的数据类型。其名字和 numpy 里面的类型几乎一致：
每一个 tensor 的真是数据是由 torch.Storage 来维护的，它本质上就是一段连续的内存空间而已。对于不同的 tensor 虽然它的 shape 不一样，但也可能指向了同一个的 storage。通过 tensor.storage() 可以直接访问它的内容：
不论 tensor 本身维度如何，其下的 storage 永远是一个一维数组。当然，修改 storage 的数据后，其 tensor 的数据也一定会发生变化。
tensor 创建时可以指定其属于什么设备：
只要都在主内存里，numpy array 和 tensor 之间的转换是非常高效的。那么这个好处就是可以享受 numpy 生态的各种类库。