结论：1.张量与数组运算，张量必须在cpu上，产生结果为cpu上的张量，可继续与数组运算(张量必须在gpu上)
2.张量与张量运算，cpu上的张量与gpu上的张量是无法运行的，必须在相同的gpu上或cpu上，猜想不同型号的gpu因该也不行。
一.张量与数组运算，前提张量必须在cpu上(如果张量在gpu上，则会报错(我认为数组本身在cpu上，因此2个操作在cpu上，就可以默认运行))，运算结果将会转到cpu上，具体操作如下：
注：报错代码 TypeError: can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.
代码如下：
b=np.array(9) # numpy 数组
a = torch.ones((2, 2)) # 张量
print('a in device :',a.device)
c=a*b # 数组与张量运算，其中张量在cpu上
print('c in device:{};value{}'.format(c.device,c))
结果如图：
报错结果：
继续探讨张量与数组运算：
b=np.array(9) # numpy 数组
a = torch.ones((2,2)) # 张量
print('a in device :',a.device)
c=a*b # 数组与张量运算，其中张量在cpu上
print('c in device:{};value:{}'.format(c.device,c))
d=np.array(8)
e=c*d # 继续验证数组与产生的张量运算
print('e in device:{};value:{}'.format(e.device, e))
结果如图：
二.张量与张量运算，若在不同设备会报错，RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cuda:0 and cpu!，结论很清楚，而具体过程如下：
代码如下：
b=torch.ones((2,2)) # numpy 数组
b=b.cpu()
a = torch.ones((2,2)) # 张量
a=a.cuda()
print('a in device :{};b in device :{}'.format(a.device,b.device))
c=a*b # 数组与张量运算，其中张量在cpu上
print('c in device:{};value:{}'.format(c.device,c))
结果如下：
