知其然更要知其所以然。

    PyTorch是一个支持自动微分（autograd）以及多种硬件设备（CPU、CUDA）的计算库。
    程序的两要素是数据和操作，因此，对PyTorch的源码解析同样聚焦在数据和操作上，PyTorch中重要的数据是Tensor，而操作可以分为前向操作以及反向操作，前向操作计算操作的结果，反向操作更新参数。另外，就Tensor而的数据类型而言就有多种，例如float、double、int等，其中又分是在CPU还是CUDA上的数据，因此，Tensor的数据类别是很多的，在这种情况下，PyTorch采用的是分发机制调用具体类型对应的实现。

    因此，本专栏主要从Tensor的创建、分发机制的实现以及自动微分的角度解析PyTorch，当然，也许会介绍更多PyTorch模块，例如Module模块，Optim模块，Dataloader模块等，其中Module模块是建立神经网络的基础，Optim模块用于参数的更新（当然，参数的梯度是通过自动微分计算得出的），Dataloader用于加载数据。

    本专栏将以文字、图、视频等形式解析源码，以便更清晰和直观的分析源码。