直接在搜索引擎里進(jìn)行搜索，可以看到官方文檔中兩者對(duì)應(yīng)的頁(yè)面：

分別點(diǎn)擊進(jìn)去，第一個(gè)鏈接解釋了什么是 torch.Tensor：

torch.Tensor 是一個(gè)包含單一數(shù)據(jù)類型元素的多維矩陣（數(shù)組）。

正因?yàn)?torch.Tensor 只包含單一的數(shù)據(jù)類型，所以后面文檔就列出了不同數(shù)據(jù)類型對(duì)應(yīng)的不同 Tensor。然后最后有一句話：

torch.Tensor 是默認(rèn)張量類型 (torch.FloatTensor) 的別名。

也就是說(shuō)，torch.Tensor() 的作用實(shí)際上跟 torch.FloatTensor() 一樣，都是生成一個(gè)數(shù)據(jù)類型為 32 位浮點(diǎn)數(shù)的張量，如果沒(méi)傳入數(shù)據(jù)就返回空張量，如果有列表或者 narray 的返回其對(duì)應(yīng)張量。但無(wú)論傳入數(shù)據(jù)本身的數(shù)據(jù)類型是什么，返回的都是 32 位浮點(diǎn)數(shù)的張量。

>>> torch.Tensor() tensor([]) >>> torch.Tensor().dtype torch.float32 >>> torch.FloatTensor() tensor([]) >>> torch.FloatTensor().dtype torch.float32

第二個(gè)鏈接，說(shuō)明了 torch.tensor() 是一個(gè)通過(guò)數(shù)據(jù)構(gòu)造張量的函數(shù)：

重點(diǎn)是數(shù)據(jù)！！，這意味著 torch.tensor() 必須傳入 data 參數(shù)，如果想要生成空張量，也要傳入一個(gè)空列表，而這個(gè)空張量的數(shù)據(jù)類型是默認(rèn)的 float32

>>> torch.tensor([]) tensor([]) >>> torch.tensor([]).dtype torch.float32

如果是從已有的數(shù)據(jù)構(gòu)造，那返回的張量的數(shù)據(jù)類型就跟原數(shù)據(jù)一致：

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

總結(jié)

以上是生活随笔為你收集整理的Pytorch中的 torch.Tensor() 和 torch.tensor() 的区别的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。