PyTorch 入门与提高(1)—创建 Tensor

在 PyTorch 中，我们通常使用 Tensor 来存储和处理数据。PyTorch 提供了一系列便捷的函数和操作，可以帮助我们快速创建 Tensor。下面我们将介绍几种常见的创建 Tensor 的方法。
1. 使用 torch.tensor() 函数创建 Tensor
这是最基本的方法，可以直接将 Python 列表或 NumPy 数组转换为 Tensor。

import torch
import numpy as np
# 从 Python 列表创建 Tensor
tensor1 = torch.tensor([1, 2, 3, 4])
# 从 NumPy 数组创建 Tensor
numpy_array = np.array([1, 2, 3, 4])
tensor2 = torch.tensor(numpy_array)

2. 使用 torch.from_numpy() 函数创建 Tensor
如果你有一个 NumPy 数组，并且想要将其转换为 PyTorch Tensor，那么 torch.from_numpy() 函数会非常有用。需要注意的是，转换后 Tensor 的数据类型和 NumPy 数组默认一致。

import numpy as np
numpy_array = np.array([1, 2, 3, 4])
tensor3 = torch.from_numpy(numpy_array)

3. 使用 torch.rand() 或 torch.randn() 函数创建随机 Tensor
如果你需要创建一个随机初始化的 Tensor，可以使用 torch.rand() 或 torch.randn() 函数。前者会生成均匀分布的随机数，后者会生成标准正态分布的随机数。

# 生成一个形状为 (4, 2) 的均匀分布随机 Tensor
tensor4 = torch.rand(4, 2)
# 生成一个形状为 (4, 2) 的标准正态分布随机 Tensor
tensor5 = torch.randn(4, 2)

4. 使用 torch.empty() 或 torch.empty_like() 函数创建空 Tensor
如果你需要创建一个空的 Tensor，可以使用 torch.empty() 或 torch.empty_like() 函数。前者会创建一个指定形状和数据类型的空 Tensor，后者则会创建一个与给定 Tensor 形状和数据类型都相同的空 Tensor。

# 创建一个形状为 (4, 2) 的空 Tensor，数据类型为 float32
tensor6 = torch.empty((4, 2), dtype=torch.float32)
# 创建一个与 tensor4 形状和数据类型相同的空 Tensor
tensor7 = torch.empty_like(tensor4)

以上就是在 PyTorch 中创建 Tensor 的几种常见方法。请注意，在创建 Tensor 时，我们通常需要指定其形状和数据类型。在 PyTorch 中，Tensor 的形状是一个描述每个维度大小的元组，而数据类型则是一个枚举类型，例如 torch.float32 或 torch.int64。在深度学习中，选择合适的数据类型和存储方式对于提高计算效率和性能非常重要。因此，建议在创建 Tensor 时仔细考虑其形状和数据类型。