torch中的tensor张量简述

torch.tensor 是 PyTorch 中的一个函数，用于创建一个新的张量（tensor）。

张量是 PyTorch 中的基本数据结构，用于存储多维数组的数据。

使用 torch.tensor 函数时，你可以传递一个已有的数据结构（如列表、元组或 NumPy 数组）作为参数，并指定所需的数据类型（dtype）和设备（device，即 CPU 或 GPU）。

下面是一些使用 torch.tensor 的例子：

例子 1：从 Python 列表创建张量

	import torch
	# 从 Python 列表创建一个一维张量
	data = [1, 2, 3, 4]
	tensor = torch.tensor(data)
	print(tensor)

例子 2：指定数据类型

	import torch
	# 从 Python 列表创建一个一维张量，并指定数据类型为 float32
	data = [1, 2, 3, 4]
	tensor = torch.tensor(data, dtype=torch.float32)
	print(tensor)

例子 3：从 NumPy 数组创建张量

	import numpy as np
	import torch
	# 创建一个 NumPy 数组
	numpy_array = np.array([1, 2, 3, 4])
	# 从 NumPy 数组创建一个张量
	tensor = torch.tensor(numpy_array)
	print(tensor)

例子 4：指定设备（CPU 或 GPU）

	import torch
	# 检查是否有可用的 GPU
	if torch.cuda.is_available():
	device = torch.device('cuda') # 使用 GPU
	else:
	device = torch.device('cpu') # 使用 CPU
	# 从 Python 列表创建一个一维张量，并指定设备
	data = [1, 2, 3, 4]
	tensor = torch.tensor(data, device=device)
	print(tensor)

例子 5：创建多维张量

	import torch
	# 从 Python 嵌套列表创建一个二维张量
	data = [[1, 2], [3, 4]]
	tensor = torch.tensor(data)
	print(tensor)

使用 torch.tensor 时需要注意，它会创建一个新的张量，并且会尽可能地保留原始数据的形状和数据类型。

如果你想要根据已有的张量创建具有相同数据的新张量，但具有不同的形状或数据类型，你可能需要使用其他函数，如 torch.reshape、torch.to 等。