Pytorch入门：tensor张量的构建

tensor数据结构是pytorch的基础与核心，本文主要介绍三种常用的tensor张量的构建方式。

1.从已有其他数据转换为tensor数据

常用方法有如下两种:

torch.tensor
torch.Tensor

上述两种方法有细微的差别，具体通过示例来进行展示

运行结果为

 首先，torch.tensor会对转换前容器内元素的数据类型保留下来，在上例中，列表内的元素数据类型为int型，经过转换后元素数据类型不变；而采用torch.Tensor，元素数据类型被转换为float型。
 其次，当输入为一个整数时，Tensor初始化会返回以此整数为长度的一维全零向量，而tensor只返回含该整数的零维向量。

 基于已有数据创建tensor数据还有两种方式

from_numpy
as_tensor

 两者与上述方式的区别在于，原容器和转换后的tensor时共享内存的。如下例所示


当改变A中的元素时，A1中的元素也随之改变。

2.随机初始化tensor

常用方法如下

torch.xxxxx : 创建一个特定的tensor,如torch.ones、torch.random等，和numpy中的用法类似
torch.xx_like: 根据已有tensor创建一个同结构的tensor,如torch.ones_like,torch.random_like等

3.从已保存文件加载tensor

 实现读取和保存的函数如下所示

torch.save
torch.load