Pytorch官方指南（三） 翻译版本

TORCH

Torch Package包含多维Tensor的数据结构，并定义了它们的数学运算。此外，它还提供了许多实用程序来高效序列化Tensor和任意类型，以及其他有用的实用程序。

它有一个CUDA对应项，使您能够在计算能力大于等于3.0的NVIDIA GPU上运行Tensor计算。

torch.is_tensor(obj)

参数：obj对象。
作用：判断该obj对象是否为Pytorch的tensor对象，若是函数返回True。
源码：

def is_tensor(obj):
    r"""Returns True if `obj` is a PyTorch tensor.
    
    Args:
        obj (Object): Object to test
    """
    return isinstance(obj, torch.Tensor)

torch.is_storage(obj)

参数：obj对象。
作用：判断该obj对象是否为Pytorch存储的对象，若是函数返回True。
源码：

def is_storage(obj):
    r"""Returns True if `obj` is a PyTorch storage object.

    Args:
        obj (Object): Object to test
    """
    return type(obj) in _storage_classes

torch.is_floating_point(input) -> (bool)

参数：Tensor对象。
作用：判断该Tensor对象是否为Pytorch浮点型对象（torch.float64, torch.float32 或 torch.float16），若是函数返回True。
例子：
···

torch.set_default_dtype(d)

参数：torch.float64, torch.float32 或 torch.float16。
作用：设置Tensor的默认浮点类型，系统默认是 torch.float32。
例子：

>>> torch.tensor([1.2, 3]).dtype           # 初始化默认torch.float32。
torch.float32
>>> torch.set_default_dtype(torch.float64)
>>> torch.tensor([1.2, 3]).dtype           # 更改默认浮点类型为torch.float64。

torch.get_default_dtype() → torch.dtype

参数：无。
作用：得到Tensor的默认浮点类型。
例子：

>>> torch.get_default_dtype()  # 初始化默认类型torch.float32。
torch.float32
>>> torch.set_default_dtype(torch.float64)
>>> torch.get_default_dtype()  # 默认类型更改为torch.float64。
torch.float64
>>> torch.set_default_tensor_type(torch.FloatTensor)  # 设置tensor类型也会影响这个。
>>> torch.get_default_dtype()  # 改变为torch.FloatTensor对应的torch.float32类型。
torch.float32

torch.set_default_tensor_type(t)

参数：t (python:type or string) – 浮点tensor类型或它的名字(string)。
作用：将默认torch.Tensor类型设置为浮点Tensor类型 t。此类型也将用作torch.Tensor()中默认浮点类型。默认的浮点张量类型最初是torch.FloatTensor。
例子：

>>> torch.tensor([1.2, 3]).dtype    # 初始化浮点类型torch.float32
torch.float32
>>> torch.set_default_tensor_type(torch.DoubleTensor)
>>> torch.tensor([1.2, 3]).dtype    # 一个新的浮点类型
torch.float64

torch.numel(input) → int

参数：input (Tensor) – 输入一个Tensor。
作用：返回这个Tensor所有元素的总数。
例子：

>>> a = torch.randn(1, 2, 3, 4, 5)
>>> torch.numel(a)
120
>>> a = torch.zeros(4,4)
>>> torch.numel(a)
16