练习pytorch中tensor基础运算与变换。需要提供实验代码，注释代码含义并附上实验结果

在PyTorch中，Tensor是一种用于数值计算的核心数据结构，可以进行各种基本运算和转换。下面是一个简单的例子，展示了如何创建、操作和显示张量：

# 导入必要的库
import torch

# 创建两个一维张量 (形状: [5])，全为0
x = torch.zeros(5)
y = torch.tensor([1, 2, 3, 4, 5])

# 打印初始张量
print("Original tensor x:", x)
print("Original tensor y:", y)

# 张量加法
z = x + y
# 这里进行了广播加法，因为y只有一个元素，会被扩展到长度为5的向量
print("Element-wise addition:", z)

# 矩阵乘法
result = torch.mm(x.unsqueeze(1), y.unsqueeze(0))  # 使用unsqueeze增加维度以便于矩阵相乘
print("Matrix multiplication:", result)

# 转置张量
transpose_y = y.t()
print("Transpose of y:", transpose_y)

# 计算张量的平均值和标准差
mean_x = x.mean()  # 平均值
std_dev_x = x.std()  # 标准差
print("Mean and standard deviation of x:", mean_x, std_dev_x)

# 结果展示
print("\n实验结果:")
print(z)
print(result)
print(transpose_y)

运行这段代码后，你会看到每个步骤的操作结果。