a = np.array([2,3.3])# 导入print(torch.from_numpy(a))# out : tensor([2.0000, 3.3000], dtype=torch.float64)
2.import from list
torch.tensor([]):接收现有的数据
torch.FloatTensor(shape):一般是接收shape,尽量避免直接接收list
#接收现有的数据 Tensor接收数据的维度
a = torch.tensor([2.,3.2])print(a)# out : tensor([2.0000, 3.2000])
a = torch.FloatTensor([2.,3.2])# 一般情况存放shapeprint(a)# out : tensor([2.0000, 3.2000])
a = torch.FloatTensor(2,2,3)print(a)# out : tensor([[[7.5555e+31, 1.2705e+31, 3.2611e-12],# [7.5555e+31, 1.2705e+31, 1.7225e+22]],# [[1.2102e+25, 1.6217e-19, 4.7429e+30],# [1.6530e+19, 1.8254e+31, 7.9463e+08]]])
a = torch.tensor([[2.,3.2],[1.,22.3]])print(a)# out : tensor([[ 2.0000, 3.2000],# [ 1.0000, 22.3000]])
3.初始化tensor
torch.empty(shape):初始化tensor,未初始化的tensor会出现极端数据
torch.FloatTensor(d1,d2,d3):生成Float的Tensor
a = torch.empty(1)# Out : tensor([0.])# 未初始化的tensor一定要跟写入数据的后续步骤,比如作为临时容器
torch.FloatTensor(1,2,3)# 未初始化的tensor出现的问题
b = torch.empty(2,3)
b = torch.Tensor(2,3)
4.设置tensor生成的默认类型
torch.tensor().type():查看tensor生成的数据类型
torch.set_default_tensor_type():改变默认生成的数据类型
# 直接使用tensor的话使用的是自己设定的默认的数据类型print(torch.tensor([1.2,3]).type())# out : torch.FloatTensor#修改默认tensor的数据类型
torch.set_default_tensor_type(torch.DoubleTensor)print(torch.tensor([1,3.]).type())# out : torch.DoubleTensor