Pytorch训练问题：torch.tensor()函数的解释及相关思考

原创已于 2023-07-03 11:12:32 修改

· 2.4k 阅读

5 ·

版权

文章标签：

#pytorch #人工智能 #python

于 2023-07-03 10:34:06 首次发布

本文介绍了PyTorch中的torch.tensor函数，它是构建多维矩阵的基础，用于存储同类型元素。文章提到了tensor与Tensor在创建时的区别，并展示了如何创建二维tensor，以及如何通过调整数据格式来更好地理解和操作矩阵。此外，还讨论了在二维tensor中如何表示行列及其在矩阵变换中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这篇博客是我对于torch框架中的tensor的一些记录和思考，会不定时更新我新的想法。

1. 介绍一下torch.tensor()这个函数

在 PyTorch 中，torch.tensor 是一个多维矩阵，其中包含同种类型的元素（如整数或浮点数）。它是 PyTorch 库的核心类，几乎所有的计算操作都可以在 tensor 上进行。

注意在torch中小写的tensor和大写的Tensor是不同的用法，可见下列是创建方式：

import torch

#  这是小写的tensor
x = torch.tensor([1.0, 2.0, 3.0])

#  这是大写的Tensor
y = torch.Tensor(2,3)

在创建中，tensor是直接可以输入数据创建，Tensor是创建---有几个维度，每个维度多大的函数。

2. 对于tensor函数的应用

一般使用在矩阵中，那么矩阵的行列怎么在函数中体现，下面我只讨论在二维的tensor中，只有二维才会存在行列的概念。

我一般在二维的时候将数据编写方式进行改变来更好的看数据。

#  这个一个二维tensor的输入
output = torch.tensor([[1.0, 2.0, 3.0],[2.0, 3.0, 4.0]])

#  输出后可以获得维度 [2,3]
print(output.shape)

#  修改后的数据形式
#  行和列可以清晰的通过观察感知到，对于去理解对应的矩阵变换公式有好处
output = torch.tensor([
    [1.0, 2.0, 3.0],
    [2.0, 3.0, 4.0]
])