torch.tensor([1, 2, 3, 4])
# 직접 입력값 tensor 생성

# 예를 들기 위해 tensor의 크기 (2, 3), 데이터타입 float32로 설정
torch.empty(2, 3, dtype=torch.float32) 
# 입력된 크기의 빈 Tensor 생성, 값은 쓰레기값 들어간다
torch.rand(2, 3, dtype=torch.float32)  
# 입력된 크기의 랜덤한 값 Tensor 생성
torch.zeros(2,3, dtype=torch.float32) 
# 입력된 크기의 값이 0인 Tensor 생성
torch.ones(2, 3, dtype=torch.float32)  
# 입력된 크기의 값이 1인 Tensor 생성

x = torch.rand(2, 2, dtype=torch.float32)

x.size()
# 출력값 : torch.Size([2, 2])

x.dtype()
# 출력값 : torch.float32

x = torch.rand(2, 2)
y = torch.rand(2, 2)

# Option 1
z = x + y
# Option 2
z = torch.add(x, y)
# Option 3 : Inplace 연산
y.add_(x)

# Option 1
z = x - y
# Option 2
z = torch.sub(x, y)
# Option 3
x.sub_(y)

# Option 1
z = x * y
# Option 2
z = torch.mul(x, y)
# Option 3
y.mul_(x)

# Option 1
z = x / y
# Option 2
z = torch.div(x, y)
# Option 3
x.div_(y)

x = torch.rand(5, 3)
x[:, 0]
x[1, :]
# Python 슬라이싱 방식 동일

x[1, 1]
# 출력 : tensor(0.123)
x[1, 1].item()
# 출력 : 0.123

x = torch.rand(4, 4)
# torch.Size([4, 4])

y = x.view(16)
# torch.Size([16])

y = x.view(1, 16)
# torch.Size([1, 16])

z = x.view(-1, 8)
# -1을 입력할 경우 자동으로 계산되어 x.view(2, 8)과 같은 동작을 한다.
# torch.Size([2, 8])

# Tensor to Numpy
x = torch.tensor([1, 2])
y = x.numpy() # y = numpy array

# Numpy to Tensor
a = np.array([1, 2])
b = torch.from_numpy(a, dtype=??) # b = Tensor