torch.tensor()与torch.Tensor()的区别

在 PyTorch 中，torch.tensor() 和 torch.Tensor() 都用于创建张量（Tensor），但是它们有一些细微的区别。

1.torch.tensor()：

torch.tensor() 是一个函数，用于根据给定的数据创建新的张量。
它接受一个数据（如 Python 列表、NumPy 数组等）作为输入，并返回一个新的张量对象。
torch.tensor() 函数默认会将输入数据进行拷贝，即创建新的数据副本。这意味着如果输入数据是可变的（例如 Python 列表），修改原始数据不会影响新创建的张量。
例子：

x = torch.tensor([1, 2, 3])

2.torch.Tensor()：
torch.Tensor() 是一个构造函数，用于创建张量的实例。
它接受一个可选的参数 data，可以是一个数据（如 Python 列表、NumPy 数组等），也可以是一个形状（如元组）。
torch.Tensor() 构造函数不会对输入数据进行拷贝，而是直接使用给定的数据创建张量。因此，如果输入数据是可变的（例如 Python 列表），修改原始数据也会影响到新创建的张量。
例子：

x_data = [1, 2, 3]
x = torch.Tensor(x_data)
#tensor([1., 2., 3.])

总的来说，torch.tensor() 更像是一个函数式接口，接受数据并返回新的张量，而 torch.Tensor() 更像是一个构造函数，用于实例化张量对象，直接使用给定的数据创建张量。在大多数情况下，两者都可以用于创建张量，选择哪个取决于你的需求和习惯。如果需要避免原始数据被修改，可以使用 torch.tensor() 创建张量。如果希望直接使用原始数据创建张量，并且希望修改原始数据会影响到张量的值，可以使用 torch.Tensor() 构造函数。