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

直接在搜索引擎里进行搜索，可以看到官方文档中两者对应的页面：

分别点击进去，第一个链接解释了什么是 torch.Tensor：

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：

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：

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

如果是从已有的数据构造，那返回的张量的数据类型就跟原数据一致：

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