torch.Tensor和torch.tensor之间的区别

最新推荐文章于 2024-09-25 19:19:05 发布

troublemaker、

最新推荐文章于 2024-09-25 19:19:05 发布

阅读量1.2k

点赞数 1

分类专栏： Pytorch & Tensorflow 文章标签： python pytorch tensor

本文链接：https://blog.csdn.net/weixin_44912159/article/details/104776922

版权

Pytorch & Tensorflow 专栏收录该内容

7 篇文章 4 订阅

订阅专栏

引用官网里的内容：[“ torch.Tensor是torch.FlaotTensor ”]

Tensor默认生成FloatTensor类型的数据，tensor默认生成LongTensor类型的数据

import torch

data = [1, 2, 3, 4]
tensor_result = torch.tensor(data)
print("tensor：", tensor_result, "|", "tensor生成的数据类型：", tensor_result.type(), "|", "dtpye:", tensor_result.dtype)

Tensor_result = torch.Tensor(data)
print("Tensor：", Tensor_result, "|", "Tensor生成的数据类型：", Tensor_result.type(), "|", "dtpye:", Tensor_result.dtype)

result：
在这里插入图片描述

`torch.Tensor 是一个类` 而 `torch.tensor是一个函数`

torch.Tensor详情链接
Class Tensor下包含很多函数。
torch.tensor详情链接
torch.tensor的函数原型：
```
torch.tensor(data, dtype=None, device=None, requires_grad=False, pin_memory=False) 
```
使用torch.tensor() 总是会从传入参数data中拷贝数据. 假如你有tensor数据想避免被拷贝，可以使用 torch.Tensor.requires_grad_() or torch.Tensor.detach(). 如果你有numpy的数组，并且要避免备拷贝，可以使用torch.as_tensor().