Pytorch-Tensor()與tensor()

版權聲明：本文為博主原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接和本聲明。

本文鏈接： https://blog.csdn.net/tfcy694/article/details/85338745

本文列舉的框架源碼基於PyTorch1.0，交互語句在0.4.1上測試通過

import torch

    
    
    
            

在PyTorch中，Tensor和tensor都能用於生成新的張量：

>>> a=torch.Tensor([1,2])
>>> a
tensor([1., 2.])
>>> a=torch.tensor([1,2])
>>> a
tensor([1, 2])

    
    
    
            

但是這二者的用法有什么區別呢？我沒有找到合適的中文資料，英文的資料如 https://discuss.pytorch.org/t/what-is-the-difference-between-tensor-and-tensor-is-tensor-going-to-be-deprecated-in-the-future/17134/8 也已經過時了，那就自己動手豐衣足食吧。
首先，我們需要明確一下，torch.Tensor()是python類，更明確地說，是默認張量類型torch.FloatTensor()的別名，torch.Tensor([1,2])會調用Tensor類的構造函數__init__，生成單精度浮點類型的張量。
>>> a=torch.Tensor([1,2])
>>> a.type()
'torch.FloatTensor'

      
      
      
              

而torch.tensor()僅僅是python函數：https://pytorch.org/docs/stable/torch.html#torch.tensor ，函數原型是：
torch.tensor(data, dtype=None, device=None, requires_grad=False)

      
      
      
              

其中data可以是：list, tuple, NumPy ndarray, scalar和其他類型。
 torch.tensor會從data中的數據部分做拷貝（而不是直接引用），根據原始數據類型生成相應的torch.LongTensor、torch.FloatTensor和torch.DoubleTensor。
>>> a=torch.tensor([1,2])
>>> a.type()
'torch.LongTensor'

      
      
      
              

>>> a=torch.tensor([1.,2.])
>>> a.type()
'torch.FloatTensor'

      
      
      
              

>>> a=np.zeros(2,dtype=np.float64)
>>> a=torch.tensor(a)
>>> a.type()
'torch.DoubleTensor'

      
      
      
              

這里再說一下torch.empty()，根據 https://pytorch.org/docs/stable/torch.html?highlight=empty#torch.empty ，我們可以生成指定類型、指定設備以及其他參數的張量，由於torch.Tensor()只能指定數據類型為torch.float，所以torch.Tensor()可以看做torch.empty()的一個特殊情況。
最后放一個小彩蛋
>>> a=torch.tensor(1)
>>> a
tensor(1)
>>> a.type()
'torch.LongTensor'
>>> a=torch.Tensor(1)
>>> a
tensor([0.])
>>> a.type()
'torch.FloatTensor'

      
      
      
              

                                </div>
            <link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-526ced5128.css" rel="stylesheet">
                </div>

posted @ 2019-11-10 18:41  Le1B_o  閱讀( 304)  評論( 0)  編輯  收藏