小写的tensor接受数据，大写的Tensor（）接受的是shape，数据的维度

最新推荐文章于 2025-07-07 19:51:47 发布

原创最新推荐文章于 2025-07-07 19:51:47 发布 · 618 阅读

0 ·

CC 4.0 BY-SA版权

论文学习专栏收录该内容

140 篇文章

订阅专栏

本文详细解析了PyTorch中Tensor与FloatTensor的使用区别，小写tensor用于接收具体数值数据，而大写Tensor()或FloatTensor()则用于指定数据的形状和维度。通过实例演示了如何正确应用这两种类型，对于初学者理解PyTorch数据处理流程有重要指导意义。

传入数据用tensor，传入形状用FloatTensor

1. 小写的tensor：接受数据

2. 大写的Tensor（）或者FloatTensor（）：接受的是shape，数据的维度

# 2 import from list
# 传入数据用tensor，传入形状用FloatTensor
# 小写的tensor接受数据，
# 大写的Tensor（）或者FloatTensor（）接受的是shape，数据的维度

b = torch.tensor([2., 3.2])
print(b)
# out:tensor([2.0000, 3.2000])
 
b = torch.FloatTensor([2., 3.2])
print(b)
# out:tensor([2.0000, 3.2000])
# 少用，容易混淆：也可以接受数据，在列表里面，

b = torch.FloatTensor(2, 3)  # 两行三列
print(b)
# out:tensor([[1.0790e-43, 0.0000e+00, 1.4013e-45],
#         [0.0000e+00, 1.4013e-45, 0.0000e+00]])

b = torch.tensor([[2., 3.2], [1., 22.3]])
print(b)
# tensor([[ 2.0000,  3.2000],
#         [ 1.0000, 22.3000]])

参考： https://blog.csdn.net/weixin_39450145/category_9627197.html