Pytorch中的 torch.Tensor() 和 torch.tensor() 的区别

直接在搜索引擎中搜索,可以在官方文档中看到两者对应的页面:

Pytorch中的 torch.Tensor() 和 torch.tensor() 的区别
分别点击进去,第一个链接解释了什么是 torch.Tensor:

Pytorch中的 torch.Tensor() 和 torch.tensor() 的区别

torch.Tensor 是一个包含单一数据类型元素的多维矩阵(数组)。

正因为 torch.Tensor 只包含单一的数据类型,所以后面文档就列出了不同数据类型对应的不同 Tensor。然后最后有一句话:

Pytorch中的 torch.Tensor() 和 torch.tensor() 的区别

torch.Tensor 是默认张量类型 (torch.FloatTensor) 的别名。

也就是说,torch.Tensor() 的作用实际上跟 torch.FloatTensor() 一样,都是生成一个数据类型为 32 位浮点数的张量,如果没传入数据就返回空张量,如果有列表或者 narray 的返回其对应张量。但无论传入数据本身的数据类型是什么,返回的都是 32 位浮点数的张量。

>>> torch.Tensor()
tensor([])
>>> torch.Tensor().dtype
torch.float32
>>> torch.FloatTensor()
tensor([])
>>> torch.FloatTensor().dtype
torch.float32

第二个链接,说明了 torch.tensor() 是一个通过数据构造张量的函数:

Pytorch中的 torch.Tensor() 和 torch.tensor() 的区别

重点是数据!!,这意味着 torch.tensor() 必须传入 data 参数,如果想要生成空张量,也要传入一个空列表,而这个空张量的数据类型是默认的 float32

>>> torch.tensor([])
tensor([])
>>> torch.tensor([]).dtype
torch.float32

如果从现有数据构造,则返回张量的数据类型与原始数据相同:

>>> torch.tensor([1, 2, 3])
tensor([1, 2, 3])
>>> torch.tensor([1, 2, 3]).dtype
torch.int64

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
xiaoxingxing的头像xiaoxingxing管理团队
上一篇 2022年3月25日 下午3:50
下一篇 2022年3月26日 下午7:59

相关推荐