02.01.04 索引和切片
就像在任何其他Python数组中一样，张量中的元素可以通过索引访问。 与任何Python数组一样：第一个元素的索引是0，最后一个元素索引是-1； 可以指定范围以包含第一个元素和最后一个之前的元素。
如下所示，我们可以用[-1]选择最后一个元素，可以用[1:3]选择第二个和第三个元素：
import torch
X = torch.arange(12, dtype=torch.float32).reshape((3,4))
print(X)
print(X[-1])
print(X[1:3])
返回值：
tensor([[ 0., 1., 2., 3.],
[ 4., 5., 6., 7.],
[ 8., 9., 10., 11.]])
tensor([ 8., 9., 10., 11.])
tensor([[ 4., 5., 6., 7.],
[ 8., 9., 10., 11.]])
除读取外，我们还可以通过指定索引来将元素写入矩阵。
import torch
X = torch.arange(12, dtype=torch.float32).reshape((3,4))
print(X)
X[1, 2] = 99
print(X)
返回值：
tensor([[ 0., 1., 2., 3.],
[ 4., 5., 6., 7.],
[ 8., 9., 10., 11.]])
tensor([[ 0., 1., 2., 3.],
[ 4., 5., 99., 7.],
[ 8., 9., 10., 11.]])
如果我们想为多个元素赋值相同的值，我们只需要索引所有元素，然后为它们赋值。 例如，[0:2, :]访问第1行和第2行，其中“:”代表沿轴1（列）的所有元素。 虽然我们讨论的是矩阵的索引，但这也适用于向量和超过2个维度的张量。
import torch
X = torch.arange(12, dtype=torch.float32).reshape((3,4))
X[0:2, :] = 99
print(X)
返回值：
tensor([[99., 99., 99., 99.],
[99., 99., 99., 99.],
[ 8., 9., 10., 11.]])