1：基本数据类型
【注】pytorch中没有string类型。表示string类型需要用到编码表示：例如：one-hot编码，Eembedding编码
2:创建张量
【注】可以用isinstance(data,dataType)检验数据类型。
【注】在pytorch0.3及0.3之前没有标量的概念。例如表示0.1需要用[0.1]表示。pytorch0.4之后加入了标量概念。例如：表示0.1表示0.1
（1）：torch.tensor([1.0,2.0,3.0])其中的参数是data
（2）：torch.Tensor(d1,d2,d3)其中参数是tensor的shape。也可以是data例如：[0.1,0.2,0.3]（尽量不用该种）
默认数据类型是floatTensor.
[注]由于没有初始化，torch.Tensor（）创建可能会出现数据特别大和特别小的情况。故可以使用下面的随机初始化创建
（3）随机初始化创建：rand(shape),rand_like(tensor),randint(start,end,shape)
[注]randint出的数据不会取到end。
（4）正太分布randn()
【注】 torch.randn(3,3)表示均值为0，方差为1的正太分布初始化。也可以使用torch.normal()自己定义均值和方差。
（5）
【注】第三个参数为步长
（6）
【注】torch.logspace(0,-1,steps=10)则生成0，-1之间切分数据为10的指数。
（7）
【注】eye()生成一个对角矩阵，eye中的参数只能是一个或者两个，不能指定更多维度。例如：生成一个一个3*3的对角矩阵可以是eye(3)或者是eye(3,3)
（8）随机打散
