Python中的torch包中包含torch.Tensor(a)、torch.tensor(a)、torch.from_numpy(a)、torch.as_tensor(a)四个转tensor函数。区别在于：

1. torch.Tensor(a)是类构造函数，转出来的tensor格式数据dtype是全局默认dtype（一般为torch.float32），全局默认类型可以通过torch.get_default_dtype()函数来查询；而其它三个都是工厂函数，转出来的tensor格式数据dtype是根据输入a的dtype来推断。

因此：torch.Tensor(a)与torch.tensor(a, dtype=torch.float32)几乎一致。

2. torch.Tensor(a)、torch.tensor(a)是深拷贝，会创造一个新的内存空间，不共享内存，因此a改变时，torch.Tensor(a)、torch.tensor(a)不会改变；而torch.from_numpy(a)、torch.as_tensor(a)不会创造新的内存空间，因此a改变时，torch.from_numpy(a)、torch.as_tensor(a)也会发生改变。

3. torch.from_numpy(a)、torch.as_tensor(a)对比：torch.from_numpy(a)的输入a只能是ndarray格式，并输出一个与a的dtype、device都一样的tensor数据；torch.as_tensor(a)适用性更广，它的输入a可以是非ndarray格式，同时还可以改变dtype和device。torch.as_tensor(a)当a是ndarray格式，且dtype和device都默认时等同于torch.from_numpy(a)，是浅拷贝，而当dtype和device不默认时，会创建一个新的内存空间，变为深拷贝。

转载本文请联系原作者获取授权，同时请注明本文来自胡天贵科学网博客。

链接地址：https://wap.sciencenet.cn/blog-3447891-1408870.html?mobile=1

收藏

分享