深入浅出Pytorch函数——torch.tensor

分类目录：《深入浅出Pytorch函数》总目录
相关文章：
· 深入浅出TensorFlow2函数——tf.constant
· 深入浅出Pytorch函数——torch.tensor
· 深入浅出Pytorch函数——torch.as_tensor
· 深入浅出Pytorch函数——torch.Tensor
· 深入浅出PaddlePaddle函数——paddle.to_tensor

基于

data

构建一个没有梯度历史的张量（叶张量）。

语法

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

参数

• data：张量的初始数据。可以是列表、元组、numpy.ndarray、标量及其他类型
• dtype：[torch.dtype, 可选] 返回所需张量的数据类型。如果为None，则推断数据类型数据
• device：[torch.device, 可选] 构造张量的设备。如果为None且数据是张量，则使用数据的设备。如果为None且数据不是张量，则结果张量在CPU上构建。
• requires_grad：[bool, 可选] 标识自动微分是否记录返回张量的操作，默认为False
• pin_memory：[bool, 可选] 如果设置，返回的张量将被分配到固定内存中。仅适用于CPU张量。默认为False

实例

>>> torch.tensor([[0.1, 1.2], [2.2, 3.1], [4.9, 5.2]])
tensor([[ 0.1000,  1.2000],
        [ 2.2000,  3.1000],
        [ 4.9000,  5.2000]])

>>> torch.tensor([0, 1])  # Type inference on data
tensor([ 0,  1])

>>> torch.tensor([[0.11111, 0.222222, 0.3333333]],
...              dtype=torch.float64,
...              device=torch.device('cuda:0'))  # creates a double tensor on a CUDA device
tensor([[ 0.1111,  0.2222,  0.3333]], dtype=torch.float64, device='cuda:0')

>>> torch.tensor(3.14159)  # Create a zero-dimensional (scalar) tensor
tensor(3.1416)

>>> torch.tensor([])  # Create an empty tensor (of size (0,))
tensor([])