标签：init   pytho   __init__   imp   int   持续更新   默认   import   python类   

本文将自己在pytorch学习中遇见的各种问题整理起来，并且持续更新。

1：torch.Tensor和torch.tensor的区别

　开始使用torch.tensor和torch.Tensor的时候发现结果都是一样的。都能生成新的张量。但根源上是有差别的。

import  torch
n=torch.tensor([[3,4],[1,2]])
x=torch.Tensor([[3,4],[1,2]])
print(n,‘|||‘,x)
print(n.shape,‘|||‘,x.shape)
print(n.type(),‘|||‘,x.type())
‘‘‘
tensor([[3, 4],
        [1, 2]]) ||| tensor([[3., 4.],
        [1., 2.]])
torch.Size([2, 2]) ||| torch.Size([2, 2])
torch.LongTensor ||| torch.FloatTensor
‘‘‘

torch.Tensor()是Python类，更明确的说，是默认张量类型torch.FloatTensor()的别名，调用Tensor类的构造函数__init__，生成单精度浮点类型的张量。

orch.tensor()仅仅是Python的函数，函数原型：

torch.tensor(data, dtype=None, device=None, requires_grad=False)

data可以是：list, tuple, array, scalar等类型。拷贝data中的数据部分，根据原始数据类型生成相应的torch.LongTensor，torch.FloatTensor，torch.DoubleTenso

 注：torch.tensor不能直接定义维度：torch.tensor(5,3)是错误的。

pytorch基础问题

标签：init   pytho   __init__   imp   int   持续更新   默认   import   python类   

原文地址：https://www.cnblogs.com/carrollCN/p/11365151.html