1.把pytorch当成是numpy来用就行
2.
一个典型的张量是这样定义的。
import pytorch as tt
n=tt.tensor([1,2,3],dtype=True,requirgrad=True)
y=tt.dot(x,x)
在这层意义上，可以把y这个标量理解为是误差函数1/2西格玛（x-x'）2，其本身是个标量
而x本身是前置的参数列，而现在要做的，则是求y对于参数列的导数，因此要向前回溯——
这里求得其实是y对于x的导数。
但是是y向x的方向回溯
3.
通常意义上来说，是标量，作为一个【分布】来向超维意义上的自变量，x，求导，因此是标量y对向量（各个方向的x）求导，但是也可以考虑使用y[1,1,1,1,1……]与x同一维度的来求导，此时的
操作意味着每个方向上的权重，但是事实上还是y对于x在求导
4.
标量对于张量（方向）求导后，得到的便是在每个方向上的梯度，其依然是一个张量，再次求导，得到的是数学意义上的旋转度