Pytorch创建张量的四种方法

PyTorch是一个基于Python的科学计算库，它是一个用于深度学习的开源机器学习框架，被广泛应用于自然语言处理、计算机视觉等领域。而张量（Tensor）是PyTorch中的重要数据类型，其类似于Numpy中的Numpy数组。

在PyTorch中，创建张量有四种方法：从Python列表中创建、从Numpy数组中创建、使用随机数创建、使用全零或全一的张量。

1. 从Python列表中创建

使用PyTorch中的torch.tensor()函数，可以从Python列表中创建张量。该函数的用法如下：

import torch

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

运行结果为：

tensor([1, 2, 3])

从以上代码可以看出，我们首先导入了PyTorch库，然后定义了一个Python列表，最后使用torch.tensor()函数将列表转换为张量。在这个过程中注意到，张量的数据类型（即dtype）默认是float32，这一点需要注意。

2. 从Numpy数组中创建

我们可以使用numpy的array（）函数创建一个随机的数组，该数组可以通过 Pytorch 中的 torch.from_numpy() 函数来转换为tensor类型，实例如下：

import numpy as np
import torch

my_array = np.array([1, 2, 3])
my_tensor = torch.from_numpy(my_array)
print(my_tensor)

运行结果为：

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

从以上代码可以看出，我们首先导入了NumPy库，然后定义了一个NumPy数组，最后使用torch.from_numpy()函数将列表转换为张量。在这个过程中注意到，此时张量的数据类型默认是int32类型。

3. 使用随机数创建

使用PyTorch中的torch.randn()函数，可以创建指定形状的张量，并使用随机数进行初始化。该函数的用法如下：

import torch

my_tensor = torch.randn((3, 3))
print(my_tensor)

运行结果为：

tensor([[-0.6554,  0.0423, -0.7098],
        [-0.6456,  0.9140, -0.0338],
        [ 1.1523,  1.2062,  0.1324]])

从以上代码可以看出，我们首先导入了PyTorch库，然后使用torch.randn()函数创建一个3×3的张量，并使用随机数进行初始化。

4. 使用全零或全一的张量

我们可以使用PyTorch中的torch.zeros()函数或torch.ones()函数，创建指定形状的全零或全一张量。这两个函数的用法如下：

import torch

my_tensor1 = torch.zeros((3, 3))
my_tensor2 = torch.ones((3, 3))
print(my_tensor1)
print(my_tensor2)

运行结果为：

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

从以上代码可以看出，使用torch.zeros()函数和torch.ones()函数可以分别创建指定形状的全零张量和全一张量。

总的来说，以上就是PyTorch中创建张量的四种方法。需要注意的是，在使用上述函数时，需明确指出要创建的张量的形状，否则将会报错。