如何制作torch张量？

import torch

# 创建一个空的张量
tensor = torch.Tensor()

# 创建一个指定形状的张量
tensor = torch.Tensor(2, 3)  # 创建一个2行3列的张量

# 创建一个随机初始化的张量
tensor = torch.randn(2, 3)  # 创建一个2行3列的随机张量

# 创建一个全零的张量
tensor = torch.zeros(2, 3)  # 创建一个2行3列的全零张量

# 创建一个全一的张量
tensor = torch.ones(2, 3)  # 创建一个2行3列的全一张量

# 从Python列表创建张量
tensor = torch.Tensor([[1, 2, 3], [4, 5, 6]])  # 创建一个2行3列的张量，内容为[[1, 2, 3], [4, 5, 6]]

# 张量的形状
print(tensor.size())  # 输出张量的形状

# 张量的维度
print(tensor.dim())  # 输出张量的维度

# 张量的类型
print(tensor.type())  # 输出张量的类型

# 张量的元素个数
print(tensor.numel())  # 输出张量的元素个数

# 张量的索引和切片
print(tensor[0])  # 输出张量的第一行
print(tensor[:, 0])  # 输出张量的第一列
print(tensor[0, 0])  # 输出张量的第一个元素

# 张量的数学运算
tensor1 = torch.Tensor([[1, 2], [3, 4]])
tensor2 = torch.Tensor([[5, 6], [7, 8]])
tensor_sum = tensor1 + tensor2  # 张量相加
tensor_mul = tensor1 * tensor2  # 张量相乘
tensor_dot = torch.dot(tensor1.view(-1), tensor2.view(-1))  # 张量点积

# 张量的形状变换
tensor = tensor.view(3, 2)  # 将张量形状变换为3行2列

# 张量的转置
tensor = tensor.t()  # 张量转置

# 张量的GPU加速计算
if torch.cuda.is_available():
    tensor = tensor.cuda()  # 将张量移动到GPU上进行加速计算