本文列舉的框架源碼基于PyTorch1.0，交互語句在0.4.1上測試通過

import torch

在PyTorch中，Tensor和tensor都能用于生成新的張量：

>>> a=torch.Tensor([1,2])

>>> a

tensor([1., 2.])

>>> a=torch.tensor([1,2])

>>> a

tensor([1, 2])

首先，我們需要明確一下，torch.Tensor()是python類，更明確地說，是默認張量類型torch.FloatTensor()的別名，torch.Tensor([1,2])會調用Tensor類的構造函數__init__，生成單精度浮點類型的張量。

>>> a=torch.Tensor([1,2])

>>> a.type()

'torch.FloatTensor'

torch.tensor(data, dtype=None, device=None, requires_grad=False)

其中data可以是：list, tuple, NumPy ndarray, scalar和其他類型。

torch.tensor會從data中的數據部分做拷貝(而不是直接引用)，根據原始數據類型生成相應的torch.LongTensor、torch.FloatTensor和torch.DoubleTensor。

>>> a=torch.tensor([1,2])

>>> a.type()

'torch.LongTensor'

>>> a=torch.tensor([1.,2.])

>>> a.type()

'torch.FloatTensor'

>>> a=np.zeros(2,dtype=np.float64)

>>> a=torch.tensor(a)

>>> a.type()

'torch.DoubleTensor'

這里再說一下torch.empty()，根據 https://pytorch.org/docs/stable/torch.html?highlight=empty#torch.empty ，我們可以生成指定類型、指定設備以及其他參數的張量，由于torch.Tensor()只能指定數據類型為torch.float，所以torch.Tensor()可以看做torch.empty()的一個特殊情況。

最后放一個小彩蛋

>>> a=torch.tensor(1)

>>> a

tensor(1)

>>> a.type()

'torch.LongTensor'

>>> a=torch.Tensor(1)

>>> a

tensor([0.])

>>> a.type()

'torch.FloatTensor'

總結

以上是生活随笔為你收集整理的python和pytorch是什么关系_【PyTorch】Tensor和tensor的区别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。