第一卷：初入江湖
第1章：武林新秀遇Tensor - 张量基础
晨起码农村
鸡鸣三声，林小码已经收拾好了行囊。他最后看了眼床头那本翻旧的《Python入门心法》，轻轻抚平卷起的书角。
"小码，路上小心。"父亲将一把青铜匕首塞进他手中，“这是祖传的NumPy匕首，虽不及当世神兵，但足以防身。”
母亲红着眼眶递来包袱：“娘给你烙了Tensor烧饼，路上饿了就吃。”
林小码跪地叩首："孩儿此去，定要拜入PyTorch派学艺！"转身时，他听见父亲低声对母亲说：“这孩子打小就爱琢磨那些数字阵法，或许真能…”
晨雾中，少年的身影渐行渐远。他腰间除了匕首，还别着本蓝皮册子——《张量的七十二变》。
青云镇初遇
三日后，林小码站在青云镇的石板街上，这里正举办十年一度的"深度学习武林大会"。街边小贩吆喝着：
“来看来瞧！新鲜出炉的MNIST手写符！”
“Kaggle比武大会报名处，头奖千金！”
突然，前方传来一阵骚动。只见一群锦衣少年围着个卖艺老者起哄：
“老骗子！你这发光方块算什么武功？”
“就是！我们TensorFlow帮的矩阵剑法才叫真功夫！”
老者不慌不忙，面前悬浮的发光立方体突然分裂成无数小块，在空中组成"欢迎来到PyTorch派"字样。
"这…"林小码瞳孔微缩，“竟是三维张量分解！”
张量大师
傍晚，林小码在客栈后院练剑时，那卖艺老者竟坐在墙头喝酒。
“小子，白天的招式，你看懂了几分？”
林小码连忙行礼：“前辈莫非就是传说中的Tensor大师？晚辈只见您将(8,8,8)张量reshape成了(512,)…”
老者突然将酒葫芦抛向空中，葫芦化作数百个细小张量，又重组为茶壶模样。
"好眼力！但reshape只是基础。"大师手指轻点，茶壶又变成骏马形态，“真正的张量运算，在于…”
突然，客栈老板冲进来：“不好啦！TensorFlow帮的人来砸场子了！”
初次比武
前院站着三个锦衣少年，为首的冷笑道：“老东西，敢在我们地盘演示PyTorch邪术？”
大师将林小码推到前面：“小友，可敢用方才所学应战？”
"我？"林小码手心冒汗，但想起包袱里的Tensor烧饼，突然有了主意。
他掏出烧饼掰成四块：“看招！torch.chunk(烧饼,4)”
四块烧饼在空中化作张量，击中对方剑阵的薄弱处。锦衣少年们惊愕地发现，他们的"TF矩阵剑"竟被几个一维张量打乱了节奏。
"有意思。"大师捻须微笑，“但你可知为何能破阵？”
林小码思索道：“因为他们用static shape，而我们用dynamic shape？”
深夜授艺
是夜，大师带林小码来到后山。
"看好了。"大师双手结印，地面浮现巨大计算图，“这才是张量的精髓。”
他演示了：
- 张量创建：从普通数组到GPU张量的蜕变
cpu_tensor = torch.tensor([1,2,3]) # 凡铁
gpu_tensor = cpu_tensor.cuda() # 百炼成钢
- 自动广播：小张量如何智取大张量
- 内存共享：view与reshape的江湖恩怨
突然，林小码发现大师演示的最后一个张量形状有误：“前辈，这个(3,4)张量不能直接view成(7)啊！”
大师哈哈大笑：“好！发现shape不匹配错误，你已入门了！”
技术揭秘
# 武侠比喻：
# - 张量如内力，可刚可柔，变化万千
# - reshape是易容术，view是分身法
# - GPU加速乃轻功提纵术# 技术实质：
import torch
# 创建张量
x = torch.arange(24).reshape(2,3,4) # 三维张量
# 自动广播
y = torch.tensor([1,2,3]) # 形状(3,)
z = x + y # 自动扩展为(2,3,4)
# 内存共享
a = x[:,1,:] # 共享内存的视图# 关键要点：
# 1. 张量是PyTorch的基础数据结构
# 2. 支持CPU/GPU两种运算设备
# 3. 自动广播机制简化运算
# 4. 视图操作不复制数据
下章预告：深夜，林小码发现大师的计算图中暗藏玄机…那些流动的数字背后，竟是传说中的Autograd神功！
:类与面向对象程序设计)
模型构建与MNIST分类训练)
