torch.Tensor和torch.tensor有什么区别?

本文详细解析了PyTorch中torch.Tensor与torch.tensor的使用区别,包括构造空张量的方法及如何根据数据类型自动选择张量类型。
部署运行你感兴趣的模型镜像

文章目录

介绍

在PyTorch 中,torch.Tensor是主要的tensor类,所有的tensor都是torch.Tensor的实例。torch.Tensortorch.FloatTensor的别名。
torch.tensor是一个函数,返回的是一个tensor,在PyTorch官方文档中,描述如下:

torch.tensor(data, dtype=None, device=None, requires_grad=False) → Tensor
Constructs a tensor with data.

区别1

所以需要注意的一点是:

  • torch.Tensor(data)是将输入的data转化torch.FloatTensor
  • torch.tensor(data):(当你未指定dype的类型时)将data转化为torch.FloatTensortorch.LongTensortorch.DoubleTensor等类型,转化类型依据于data的类型或者dtype的值

区别2

使用如下语句:tensor_without_data = torch.Tensor()可以创建一个空的FloatTensor,而当你使用tensor_without_data = torch.tensor()时候则会报错:

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-12-ebc3ceaa76d2> in <module>()
----> 1 torch.tensor()

TypeError: tensor() missing 1 required positional arguments: "data"

当你想要创建一个空的tensor时候,可以使用如下的方法:

  • tensor_without_data = torch.Tensor() # tensor([])
  • tensor_without_data = torch.tensor(()) # tensor([])
  • tensor_without_data = torch.empty([]) # tensor(0.)

所以torch.Tensor应该说是同时具有torch.tensortorch.empty的功能,但是使用torch.Tensor可能会使你的代码confusing,所以最好还是使用torch.tensortorch.empty,而不是torch.Tensor


您可能感兴趣的与本文相关的镜像

PyTorch 2.7

PyTorch 2.7

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值