下面参数中的省略号代表dtype、requires_grad等常规参数。
一、
torch.tensor(data, dtype=None, device=None, requires_grad=False, pin_memory=False) → Tensor
1、用data创建一个tensor
2、torch.tensor会从data出复制数据,意味着生成的tensor不会和data共享内存(改变data并不会改变tensor)
import torch
device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
x = torch.tensor([1.,2], dtype=torch.float64, device=device,requires_grad=True)
x
tensor([ 1., 2.], dtype=torch.float64, device='cuda:0')
二、
torch.sparse_coo_tensor(indices, values, size=None, dtype=None, device=None, requires_grad=False) → Tensor :创建一个稀疏tensor,格式为COO类型
COO类型表示给出非零元素的坐标形式
indices = torch.tensor([[0, 1, 1], [2, 0, 2