上面图片截自官网，主要想体现的是如下四点：
1. 生产环境可用。
使用torch script在eager和graph模式间能够做到无缝切换，并且可以使用TorchServe加速。
2. 分布式训练。
在研究和生产中，通过torch.distributed能实现可伸缩的分布式训练和性能优化。
3. 稳健的生态系统
丰富的工具和库生态系统扩展了PyTorch的能力，并支持计算机视觉、NLP等方面的开发。
4. 云支持
PyTorch在主要的云平台上得到了很好的支持，使开发者能够无障碍开发，并且后期易于扩展。
5. 其它
支持android或IOS开发，支持ONNX等。
虽然介绍很花里胡哨，究其本质就一句话：
PyTorch is an optimized tensor library for deep learning using GPUs and CPUs.
翻译过来就是：PyTorch是一个使用GPU和CPU进行深度学习的优化张量库。
首先，它是一个张量操作的库
然后，它是一个优化后的张量库
最后，CPU当然支持，GPU也是支持的
这个介绍也给我们后面的学习指明了方向--先把张量搞清楚。