【chat-gpt问答记录】torch.tensor和torch.Tensor什么区别？

torch.tensor 和 torch.Tensor 在功能上是一样的，都是用来创建 PyTorch 中的张量（Tensor）的函数。不同之处在于它们的调用方式和默认参数。

• torch.tensor() 是一个工厂函数，可以接受原始数据、列表、元组或者其他的张量等作为输入，并返回一个新的张量。这个函数可以通过 dtype 和 device 参数指定数据类型和计算设备，也可以通过设置 requires_grad 参数为 True 来开启自动求导功能。这个函数的返回值总是一个新的张量，即使输入本身已经是张量了也是如此。

例如：

import torch
# 创建一个包含随机数的浮点型张量
x = torch.tensor([1, 2, 3])
print(x)
# 创建一个具有相同元素但不同属性的张量
y = torch.tensor([1, 2, 3], dtype=torch.float32, device=torch.device('cuda'))
print(y)

输出结果如下：

tensor([1, 2, 3])
tensor([1., 2., 3.], device='cuda:0')

• torch.Tensor() 是一个类，主要用来创建空的张量，其参数可以是张量的形状（shape）或者另一个张量。这个类方法没有 dtype 或 device 参数，创建的张量默认使用 CPU 计算设备和数据类型为 torch.float32。调用这个类方法会返回一个新的张量对象，如果输入是一个张量，那么返回的张量与输入张量具有相同的属性。

例如：

import torch
# 创建三个形状不同的空张量
x = torch.Tensor(2, 3)
print(x)
y = torch.Tensor([1, 2, 3])
print(y)
z = torch.Tensor([[1, 2], [3, 4]])
print(z)

输出结果如下：

tensor([[2.0000e+00, 5.6052e-44, 2.0000e+00],
        [5.6052e-44, 2.1084e-44, 0.0000e+00]])
tensor([1., 2., 3.])
tensor([[1., 2.],
        [3., 4.]])

总的来说，torch.tensor 和 torch.Tensor 的使用方法有所不同，前者更加灵活，可以接受多种类型的输入，并返回新的张量对象；后者则主要用于创建空的张量对象。