机器学习与深度学习 / 知识点

PyTorch API 函数速查

张量基础操作

CODE
torch.tensor(data, *, dtype=None, device=None, requires_grad=False, pin_memory=False)

从 Python 数据或数组创建张量,可指定类型、设备和梯度属性;适合初始化输入数据、小规模参数和测试样例。

创建张量

查找 torch.tensor 时,用于确认如何把 Python 数据转换为 PyTorch 张量,并设置数据类型、设备和梯度跟踪属性。

签名

python
torch.tensor(data, *, dtype=None, device=None, requires_grad=False, pin_memory=False)

参数

  • data:可转换为张量的数据,例如列表、元组或支持数组协议的对象。
  • dtype:可选,指定张量元素类型,例如 torch.float32 或 torch.int64。
  • device:可选,指定存储设备,例如 cpu 或 cuda。
  • requires_grad:是否记录梯度计算,默认 False。
  • pin_memory:是否使用锁页内存,主要用于 CPU 张量向 CUDA 传输优化。

返回与边界

成功时返回新的 torch.Tensor。输入数据会被复制为新的张量存储,不会像 torch.as_tensor 一样优先共享已有内存。

完整示例

python
import torch

values = [1, 2, 3]
tensor = torch.tensor(values, dtype=torch.float32)
print(tensor)
print(tensor.dtype)

预期输出

text
tensor([1., 2., 3.])
torch.float32

常见误用

requires_grad=True 适合需要参与自动求导的张量;普通输入数据通常保持默认值,避免产生不必要的计算图开销。

不同 PyTorch 版本支持的输入类型可能存在差异,实际使用时应以当前版本文档为准。

自动求导

模型构建

数据加载

训练优化

推理部署

目录与阅读设置

记录一个想法

PyTorch API 函数速查

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通