【PyTorch】Tensor和tensor的区别

本文列举的框架源码基于PyTorch1.0，交互语句在0.4.1上测试通过

import torch

在PyTorch中，Tensor和tensor都能用于生成新的张量：

>>> a=torch.Tensor([1,2])
>>> a
tensor([1., 2.])
>>> a=torch.tensor([1,2])
>>> a
tensor([1, 2])

但是这二者的用法有什么区别呢？我没有找到合适的中文资料，英文的资料如 /t/what-is-the-difference-between-tensor-and-tensor-is-tensor-going-to-be-deprecated-in-the-future/17134/8 也已经过时了，那就自己动手丰衣足食吧。

首先，我们需要明确一下，()是python类，更明确地说，是默认张量类型()的别名，([1,2])会调用Tensor类的构造函数__init__，生成单精度浮点类型的张量。

>>> a=torch.Tensor([1,2])
>>> a.type()
''

而()仅仅是python函数：/docs/stable/# ，函数原型是：

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

其中data可以是：list, tuple, NumPy ndarray, scalar和其他类型。
会从data中的数据部分做拷贝（而不是直接引用），根据原始数据类型生成相应的、和。

>>> a=torch.tensor([1,2])
>>> a.type()
''

>>> a=torch.tensor([1.,2.])
>>> a.type()
''

>>> a=np.zeros(2,dtype=np.float64)
>>> a=torch.tensor(a)
>>> a.type()
''

这里再说一下()，根据 /docs/stable/?highlight=empty# ，我们可以生成指定类型、指定设备以及其他参数的张量，由于()只能指定数据类型为，所以()可以看做()的一个特殊情况。

最后放一个小彩蛋

>>> a=torch.tensor(1)
>>> a
tensor(1)
>>> a.type()
''
>>> a=torch.Tensor(1)
>>> a
tensor([0.])
>>> a.type()
''