Pytorch的tensor数据类型 -- 常见用法介绍：

一、tensor是啥：

tensor是PyTorch中重要的数据结构，可认为是一个高维数组。

Tensor和Numpy中的ndarrays类似，但Tensor可以使用GPU进行加速计算

二、如何使用：

1. 在创立一个tensor数据类型的对象前，先明确一个事情：

用 torch.tensor 来建立 tensor 数据结构 和 用 torch.Tensor 来建立 tensor 数据结构 有什么区别：

torch.Tensor和torch.tensor有什么区别？_EdisonLeejt的博客-CSDN博客

简言之就是，推荐使用：torch.tensor()来建立tensor数据，

如果要建立空的tensor数据类型那么使用下述语句：

tensor_without_data = torch.empty([]) # tensor(0.)

【把人家博客的内容再自己复述一遍写在这thx】

2. 建立一个tensor数据类型的对象：

语句： torch.Tensor(*sizes)          含义是：随机创建指定形状的Tensor

【注意】使用该方法创建Tensor时，系统不会马上分配空间，只是会计算剩余的内存是否足够使用，使用到Tensor时才会分配。而其它操作都是在创建完Tensor之后马上进行空间分配。

我不知道上述这个tensor分配内存空间的这种方式的意义是啥？知道了的话我会补充在这

（1）朴素的建立tensor方式汇总：

import torch
 
tmp = torch.Tensor()     # 建立一个空的tensor类型对象tmp
print(tmp)               # tensor([])
 
tmp1 = torch.Tensor(2,3)  # 此时tensor中数值随机
print(tmp1)               # tensor([[0., 0., 0.], [0., 0., 0.]])    (这个例子就只是随机到了0值 ？)
 
tmp2 = torch.ones(2,3)   # 建立一个维度为(2, 3) 的数值全为 1 的tensor
print(tmp2)              # tensor([[1., 1., 1.], [1., 1., 1.]])
 
 
tmp3 = torch.zeros(2,3)  # 建立一个维度为(2, 3) 的数值全为 0 的tensor
print(tmp3)              # tensor([[0., 0., 0.], [0., 0., 0.]])

（2）类似list的range()那种 给定 步长 和 起始点 生成一维的tensor :

tmp = torch.arange(1, 10, 2)
print(tmp)

3. tensor数据类型的转换：

（1）tensor的数据类型有哪些：

 （2）可以在tensor建立时就指定：

他们之间也可以相互转换：

没写完：然后把上述的代码换成torch.tensor() 

[我是根据这个写的：]PyTorch学习笔记(二)：Tensor操作 - 简书 (jianshu.com)

  https://blog.csdn.net/qq_34769162/article/details/109260638




s

 Pytorch张量（Tensor）基本介绍与使用_张_哈哈的博客-CSDN博客_pytorch生成随机矩阵

torch.cat() ：tensor的append方法 - TR_Goldfish - 博客园 (cnblogs.com)

pytorch 如何拼接 迭代的 tensor_Who is abc的博客-CSDN博客

pytorch: 给tensor删除或者添加维度为1的维度（squeeze和unsqueeze）_Caesar6666的博客-CSDN博客_pytorch 删除维度

写的特别好：

torch.stack()的官方解释，详解以及例子_模糊包的博客-CSDN博客_torch.stack() 

 torch.cat()函数的官方解释，详解以及例子_模糊包的博客-CSDN博客_torch.cat