Deep-Learning-with-PyTorch-3.8 张

3.8 张量元数据：大小，偏移量和步幅

为了索引存储，张量依赖于几条信息以及它们的存储，明确地定义它们：大小，偏移量和步幅。 这些相互作用的方式如图3.5所示。 大小（或形状，以NumPy的说法）是一个元组，指示张量表示的每个维度上有多少个元素。 存储偏移量是与张量中第一个元素相对应的存储位置中的索引。步幅是需要跳过以沿每个维度获取下一个元素的存储位置中元素的数量。

图3.5 张量的偏移量，大小和步幅之间的关系。 张量在这里是较大存储的视图，就像在创建较大张量时可能已分配的存储那样