在本章中，我們將了解PyTorch中一些最常用的術語。
PyTorch張量與NumPy陣列相同。張量(tensor)是一個n維陣列，就PyTorch而言，它提供了許多在張量上運算的函式。
PyTorch張量通常利用GPU來加速其數值計算。在PyTorch中建立的這些張量可用於將雙層網路適合亂數據。使用者可以手動實現通過網路的前向和後向傳遞。
使用自動程式設計時，網路的正向傳遞將定義計算圖形 - 圖形中的節點將是張量，邊緣將是從輸入張量產生輸出張量的函式。
PyTorch張量可以建立為變數物件，其中變數表示計算圖中的節點。
靜態圖很好，因為使用者可以預先優化圖形。如果程式員一遍又一遍地重複使用相同的圖形，則可以保持這種可能代價高昂的前期優化，因為相同的圖形會一遍又一遍地重新執行。
它們之間的主要區別在於Tensor Flow的計算圖是靜態的，PyTorch使用動態計算圖。
PyTorch中的optim包提取了一種優化演算法的思想，該演算法以多種方式實現，並提供了常用優化演算法的說明。它可以在import語句中呼叫。
多處理支援相同的操作，因此所有張量都可以在多個處理器上執行。佇列將其資料移動到共用記憶體中，並僅向另一個進程傳送控制代碼。