torch.tensor 与 torch.Tensor 的区别

Tensor 和tensor 都能用于生成新的张量

torch.Tensor()

         python类，默认张量类型torch.FloatTensor()的别名， torch.Tensor([1,2])会调用Tensor类的构造函数__init__，生成单精度浮点类型的张量。

a = torch.Tensor([1, 2])
print(a)  # tensor([1., 2.])
print(type(a))  # <class 'torch.Tensor'>
print(a.type())  # torch.FloatTensor

torch.tensor()

         python函数，torch.tensor(data, dtype=None, device=None, requires_grad=False) data可以是：list, tuple, NumPy ndarray, scalar和其他类型。 torch.tensor会从data中的数据部分做拷贝（而不是直接引用）， 根据原始数据类型生成相应的torch.LongTensor、torch.FloatTensor和torch.DoubleTensor。

b = torch.tensor([1, 2])
print(b)  # tensor([1, 2])
print(type(b))  # <class 'torch.Tensor'>
print(b.type())  # torch.LongTensor

cc = np.zeros(2, dtype=np.float64)
c = torch.tensor(cc)
print(c.type())  # torch.DoubleTensor

torch.empty()

         生成指定类型、指定设备以及其他参数的张量， torch.Tensor()只能指定数据类型为torch.float， torch.Tensor()可以看做torch.empty()的一个特殊情况。

e = torch.empty(size=(3, ))
print(e)  # tensor([0., 2., 0.])
e2 = torch.empty(3)
print(e2)  # tensor([9.2196e-41, 0.0000e+00, 0.0000e+00])

特殊情况

s1 = torch.tensor(1)
print(s1)  # tensor(1)
print(s1.type())  # torch.LongTensor
s2 = torch.Tensor(1)
print(s2)  # tensor([0.])
print(s2.type())  # torch.FloatTensor

参考：

【PyTorch】Tensor和tensor的区别_玄云飘风的博客-CSDN博客

torch — PyTorch 1.13 documentation