torch.tensor(s)二级循环嵌套怎么写

`torch.tensor(s)`可以将一个序列（如列表）转换为PyTorch张量。如果`s`是一个二维的序列，可以使用二级循环嵌套来遍历每个元素，并将其转换为张量。

下面是一个示例代码，将一个二维列表`s`转换为PyTorch张量：

import torch

s = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]

rows = len(s)
cols = len(s[0])

tensor_s = torch.zeros((rows, cols))

for i in range(rows):
    for j in range(cols):
        tensor_s[i][j] = s[i][j]

print(tensor_s)

首先，我们使用`len()`函数获取`s`的行数和列数，并创建一个大小为`(rows, cols)`的全0张量`tensor_s`。然后，使用二级循环嵌套遍历`s`中的每个元素，并将其赋值给`tensor_s`中对应的元素。最后输出`tensor_s`的值，即为将`s`转换为PyTorch张量后的结果。

需要注意的是，这里我们使用了`torch.zeros()`函数来创建一个全0张量，因为在遍历`s`中的元素时，我们需要先创建一个与`s`相同大小的张量。如果`s`中的元素是浮点数，我们也可以使用`torch.ones()`函数来创建全1张量，或者使用`torch.tensor(s)`直接将`s`转换为张量。