pytorch tensor Tensor

torch.tensor 和torch.Tensor
torch.tensor :是一个方法，它根据传递的参数data创建Tensor,Tensor会根据传递得到数据类型进行自动推断，也就是在没有传递指定的dtype时，会使用和data类型一致。
torch.tensor(data, dtype=None, device=None, requires_grad=False)
torch.Tensor：是默认的类型tensor.FloatTensor的简称，它是一个类，只能创建这个类型的数据。

一 、接受参数一致性

二者均可以接收 list、touple、array，二者接收后表达的类型可能不同，其他所有的一致

下边类型
dim：输出张量维度
type:张量的类型
size、shape；张量的形状
numel:张量中元素的个数

import torch 
import numpy as np
a= torch.tensor((1,2))
print(a)
print(a.type()) 
print(a.dim()) 
print(a.shape) 
a= torch.tensor([1,2]) 
print(a)
print(a.type())
print(a.dim())
print(a.shape)
a= torch.tensor(np.array([1,2]))
print(a)
print(a.type())
print(a.dim())
print(a.shape)

图片.png

import torch 
import numpy as np
a= torch.Tensor((1,2))
print(a)
print(a.type()) 
print(a.dim()) 
print(a.shape) 
a= torch.Tensor([1,2]) 
print(a)
print(a.type())
print(a.dim())
print(a.shape)
a= torch.Tensor(np.array([1,2]))
print(a)
print(a.type())
print(a.dim())
print(a.shape)

图片.png

二 、接受参数不一致性

当参数是一个数的时候，tensor就会创建一个张量
而Tensor认为要创建一个张量，里面要有两个元素，只有一个元素的时候，表示一维张量中有、多少个元素

import torch

a = torch.tensor(2)
print(a)
print(a.type())
print(a.dim())
print(a.shape)

a = torch.Tensor(2)
print(a)
print(a.type())
print(a.dim())
print(a.shape)

图片.png

torch.tensor(data, dtype=None, device=None, requires_grad=False)
因为data在这里只接收一个参数，如果是传递多个参数会报错

而torch_Tensor会很据传入的数据进行生成多维的数据