pytorch中张量的创建和维度的操作

张量的运算是深度学习的基本操作，深度学习框架的重要功能之一就是支持张量的定义与运算。

1. 张量的数据类型

数据	pytorch类型	CPU上的张量	GPU上的张量
32位浮点数	torch.float32 torch.float	torch.FloatTensor	torch.cuda.FloatTensor
64位浮点数	torch.float64 torch.double	torch.DoubleTensor	torch.cuda.DoubleTensor
16位浮点数	torch.float16 torch.half	torch.HalfTensor	torch.cuda.HalfTensor
8位无符号整数	torch.uint8	torch.ByteTensor	torch.cuda.ByteTensor
8位带符号整数	torch.int8	torch.CharTensor	torch.cuda.CharTensor
16位带符号整数	torch.int16 torch.short	torch.ShortTensor	torch.cuda.ShortTensor
32位带符号整数	torch.int32 torch.int	torch.IntTensor	torch.cuda.IntTensor
64位带符号整数	torch.int64 torch.long	torch.LongTensor	torch.cuda.LongTensor
布尔型	rorch.bool	torch.BoolTensor	torch.cuda.BoolTensor

2. python列表和numpy数组转为python张量

2.1 转换python列表为python张量

t = torch.tensor([1, 2, 3, 4], dtype=torch.float32)  # 列表转张量并指定张量数据类型
print(t)
print(t.dtype)  # 张量类型

2.2 转换numpy数组为python张量

arr = np.array([1, 2, 3, 4])
t = torch.tensor(t)
<