torch.tensor和torch.Tensor有什么区别？

Question

从0.4.0版开始，可以使用torch.tensor和torch.Tensor

有什么不同？提供这两种非常相似且令人困惑的替代方案的原因是什么？

Answer 1

在PyTorch中torch.Tensor是主要的张量类。因此，所有张量只是的实例torch.Tensor。

当您打电话时，torch.Tensor()您将得到一个没有任何张量的空张量data。

相反，torch.tensor是一个返回张量的函数。在文档中说：

torch.tensor(data, dtype=None, device=None, requires_grad=False) ? Tensor

用构造张量data。

这也也解释了为什么它是没有问题的创建一个空的张量情况下torch.Tensor没有data通过调用：

tensor_without_data = torch.Tensor()

但另一方面：

tensor_without_data = torch.tensor()

会导致错误：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-12-ebc3ceaa76d2> in <module>()
----> 1 torch.tensor()

TypeError: tensor() missing 1 required positional arguments: "data"

但总的来说，没有理由去选择torch.Tensor了torch.tensor。也torch.Tensor缺少文档字符串。

创建不data具有with 的张量的类似行为torch.Tensor()：

torch.tensor(())

输出：

tensor([])

Answer 2

根据pytorch上的讨论，  torch.Tensor  构造函数被重载以与torch.tensor 和  进行相同的操作  torch.empty。人们认为这种重载会使代码混乱，因此将其拆分  torch.Tensor为  torch.tensor 和torch.empty。

因此，是的，在某种程度上，它的  torch.tensor工作方式类似于torch.Tensor（当您传递数据时）。不，这两个都不应该比另一个更有效。这只是在  torch.empty 和  torch.tensor 有一个更好的API比 torch.Tensor 构造。

Answer 3

除了上述答案之外，我注意到torch.Tensor(<data>)将使用默认数据类型（如 中定义torch.get_default_dtype()）初始化张量。torch.tensor(<data>)，另一方面，将从数据推断数据类型。

例如，

tensor_arr = torch.tensor([[2,5,6],[9,7,6]])
tensor_arr

将打印： tensor([[2, 5, 6], [9, 7, 6]])

和

tensor_arr = torch.Tensor([[2,5,6],[9,7,6]])
tensor_arr

将打印：

tensor([[2., 5., 6.], [9., 7., 6.]]) 因为默认数据类型是 float32。

Answer 4

https://discuss.pytorch.org/t/difference- Between-torch-tensor-and-torch-tensor/30786/2

torch.tensor 自动推断数据类型，而 torch.Tensor 返回 torch.FloatTensor。如果您想更改类型，我建议坚持使用 torch.tensor，它也有 dtype 等参数。