tensor即张量，它是一种数据结构，用来表示或者编码神经网络模型的输入、输出和模型参数等。

下面有两组名词，一组是来自计算机科学的，另一组是来自数学，但它们有着相同的概念：

• number(数字)、array(数组)、2d-array(二维数组)
• scalar(标量)、vector(向量)、matrix(矩阵)

索引数：例如有t = [3,4,5,6,7]，若想取出7，就 t[5]；
若有t = [[1,2,3],[4,5,6],[7,8,9]]，若想取出7，就 t[2][0]；

秩就是张量中存在的维度数目，也即从张量中获取一个元素所需要的索引数，例如：矩阵、二维数组、二维张量，其秩均为2。

轴就是张量中某个特定的维度

每个轴的长度告诉我们沿每个轴有多少索引可用，例如：已知张量 t 的第一个轴长为 3 ，则就只能索引到 t[0] t[1] t[2]，大于 2 的就无法索引。

张量的秩表示张量有多少个轴，张量的轴的长度表示该轴有多少索引可用。将二者结合起来，就可以得到张量的形状。使用 .shape 或 .size() 即可得到张量的形状。

import torch

m = torch.tensor([[0,1,2], [3,4,5]])
m.shape
torch.size([3,4])
m.size()
torch.size([2,3])