list转torch.tensor

可以使用 `torch.tensor()` 将 Python 中的 list 转换为 PyTorch 中的 tensor。例如：

import torch

my_list = [1, 2, 3, 4, 5]
my_tensor = torch.tensor(my_list)

print(my_tensor)

输出：

tensor([1, 2, 3, 4, 5])

如果 list 中包含多个子列表，则可以使用二维列表的形式将其转换为 tensor。例如：

import torch

my_list = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
my_tensor = torch.tensor(my_list)

print(my_tensor)

输出：

tensor([[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]])

相关问题

torch.Tensor和torch.tensor

torch.Tensor和torch.tensor在功能上有一些区别。首先，torch.tensor()是一个函数，可以根据传入的数据来构建一个tensor对象。而torch.Tensor()是一个类，是torch.FloatTensor的别名。使用torch.tensor()时，在pycharm中会有相应的标志来表示它是一个函数。而使用torch.Tensor()时，在pycharm上会显示它是一个class，即一个类。可以将list通过torch.tensor()转化为一个tensor对象。总体来说，torch.tensor()是一个构建tensor对象的函数，而torch.Tensor()是一个tensor对象的类。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [torch.tensor和torch.Tensor的区别](https://blog.csdn.net/qq_36930266/article/details/104602792)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]

train_data_tensor_list = [torch.tensor(x) for x in train_data_list] train_data_tensor = torch.stack(train_data_tensor_list) train_label_tensor = torch.tensor(train_label_list) train_dataset = TensorDataset(train_data_tensor, train_label_tensor) print(train_dataset) val_data_tensor_list = [torch.tensor(x) for x in val_data_list] val_data_tensor = torch.stack(val_data_tensor_list) val_label_tensor = torch.tensor(val_label_list) val_dataset = TensorDataset(val_data_tensor, val_label_tensor) print(val_dataset)

这段代码的作用是将训练数据和验证数据转换为 PyTorch 中的 TensorDataset 数据集，并将数据集打印出来。首先，train_data_list 和 train_label_list 分别是训练数据和对应的标签，每个样本都是一个列表或数组。接下来，使用列表解析式将 train_data_list 中的每个样本转换为一个 PyTorch tensor，并将这些 tensor 存储在 train_data_tensor_list 列表中。然后，使用 torch.stack() 函数将 train_data_tensor_list 中的 tensor 沿着一个新的维度进行拼接，得到一个形状为 [num_samples, input_dim] 的二维 tensor，其中 num_samples 是样本数，input_dim 是每个样本的输入维度。train_label_tensor 也是类似的 tensor，其中每个元素是一个标签。同样的方法用于创建 val_dataset。最后，使用 print() 函数打印出 train_dataset 和 val_dataset，这些数据集将被用于 DataLoader 进行批量化训练。