1.n维数组，也称为张量（tensor）：tensor和ndarray没有本质区别。tensor是有数学上的严格定义，ndarray是计算机描述的；张量表示一个由数值组成的数组，这个数组可能有多个维度； 无论使用哪个深度学习框架，它的张量类（在MXNet中为ndarray， 在PyTorch和TensorFlow中为Tensor）都与Numpy的ndarray类似；张量类支持自动微分；
2.reshape函数
虽然张量的形状发生了改变，但其元素值并没有变。 注意，通过改变张量的形状，张量的大小不会改变。
可以通过**-1来调用此自动计算出维**度的功能。如：可以用x.reshape(-1,4)或x.reshape(3,-1)来取代x.reshape(3,4)。
reshape函数相当于C++的引用，没有改变内存地址，如下：改变b张量的值，a张量的值也变了；
3.广播机制
这种机制的工作方式如下：
（1）通过适当复制元素来扩展一个或两个数组，以便在转换之后，两个张量具有相同的形状；
（2）对生成的数组执行按元素操作。
4.索引和切片
Python中[-1]、[:-1]、[::-1]、[n::-1]、[:,:,0]、[…,0]、[…,::-1] 的理解
5节省内存
