《神经网络与PyTorch实战》——3.2　构造torch.Tensor类实例

3.2　构造torch.Tensor类实例

　　本节将正式介绍torch.Tensor类实例的方法。表3-1列出了本节会涉及的函数。这些函数都是用来构造torch.Tensor类实例的。

表3-1　本节将介绍的构造张量的函数

3.2.1　构造含有特定数据的张量

　　本节介绍如何利用torch.tensor() 函数构造含有特定数据的张量。

　　首先来看一个例子。代码清单3-2用torch.tensor() 函数构造了张量t0、t1、t2和t3。在张量构造语句中，使用了列表作为参数。由于参数列表中的数据都是浮点数，所以这些张量的元素类型都是torch.float32。

代码清单3-2　用列表作为参数构造torch.Tensor类实例

     t0 = torch.tensor(0)

     t1 = torch.tensor([0., 1., 2.])

     t2 = torch.tensor([[0., 1., 2.], [3., 4., 5.], [6., 7., 8.]])

     t3 = torch.tensor([[[0., 1., 2.], [3., 4., 5.], [6., 7., 8.]],

             [[9., 10., 11.], [12., 13., 14.], [15., 16., 17.]],

             [[18., 19., 20.], [21., 22., 23.], [24., 25., 26.]]])

　　torch.tensor() 函数还提供了一个关键字参数dtype，用来指定张量的元素类型。如果没有使用这个关键字参数，张量的元素类型是从列表元素推导而来的（bool值推导为torch.uint8，int值推导为torch.int64，float值推导为torch.float32）；使用了这个关键字参数，张量的元素类型就由这个参数指定。

　　代码清单3-3演示了如何利用torch.tensor() 函数构造不同元素类型的torch.Tensor类实例。在构造类实例时，传入的数据列表都是一样的，只是关键字参数dtype不同。这样得到的张量的元素类型也不同。

代码清单3-3　构造不同元素类型的torch.Tensor类实例

     t_int8 = torch.tensor([1, 2], dtype=torch.int8)

     t_int16 = torch.tensor([1, 2], dtype=torch.int16)

     t_int32 = torch.tensor([1, 2], dtype=torch.int32)

     t_int64 = torch.tensor([1, 2], dtype=torch.int64)

     t_float16 = torch.tensor([1, 2], dtype=torch.float16)

     t_float32 = torch.tensor([1, 2], dtype=torch.float32)

     t_float64 = torch.tensor([1, 2], dtype=torch.float64)