基于pytorch框架构建张量

在 PyTorch 中，我们可以使用 torch.Tensor() 来创建张量。张量与 Numpy 的 ndarray 类似，但是它们可以在 GPU 上运行，从而加速计算。

以下是创建张量的几种常见方式：

1. 创建一个空的张量：

import torch

x = torch.Tensor() # 默认为 float32 数据类型
print(x)

输出：

tensor([])

2. 从列表创建张量：

import torch

x = torch.Tensor([1, 2, 3, 4])
print(x)

输出：

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

3. 从 Numpy 数组创建张量：

import torch
import numpy as np

x = np.array([[1, 2], [3, 4]])
y = torch.from_numpy(x)
print(y)

输出：

tensor([[1, 2],
        [3, 4]], dtype=torch.int32)

4. 创建全零或全一张量：

import torch

x = torch.zeros((2, 3))
y = torch.ones((2, 3))
print(x)
print(y)

输出：

tensor([[0., 0., 0.],
        [0., 0., 0.]])
tensor([[1., 1., 1.],
        [1., 1., 1.]])

5. 创建随机张量：

import torch

x = torch.randn((2, 3))
print(x)

输出：

tensor([[ 0.1833, -0.1013,  0.2078],
        [ 0.0199,  0.1058,  0.9292]])

这些是创建张量的几种常见方式，还有其他的方式可以在 PyTorch 中创建张量。