torch.tensor

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

Создаёт тензор без истории автоградирования (также известный как «листовой тензор», см. Механизм автоградирования) путём копирования data.

Предупреждение

При работе с тензорами предпочтительнее использовать torch.Tensor.clone(), torch.Tensor.detach() и torch.Tensor.requires_grad_() для повышения читаемости. Если t — тензор, то torch.tensor(t) эквивалентно t.clone().detach(), а torch.tensor(t, requires_grad=True) эквивалентно t.clone().detach().requires_grad_(True).

См. также

torch.as_tensor() сохраняет историю автоградирования и избегает копий там, где это возможно. torch.from_numpy() создаёт тензор, который разделяет хранилище с массивом NumPy.

Параметры

data (array_like) – Исходные данные для тензора. Может быть списком, кортежем, массивом NumPy ndarray, скаляром и другими типами.

Ключевые аргументы

• dtype (torch.dtype, optional) – желаемый тип данных возвращаемого тензора. По умолчанию: если None, тип данных определяется по data.
• device (torch.device, optional) – устройство создаваемого тензора. Если None и data — тензор, используется устройство data. Если None и data не является тензором, тензор создаётся на текущем устройстве.
• requires_grad (bool, optional) – Если необходимо регистрировать операции на возвращаемом тензоре в автоградировании. По умолчанию: False.
• pin_memory (bool, optional) – Если установлено, возвращаемый тензор будет выделен в закреплённой памяти. Работает только для тензоров CPU. По умолчанию: False.

Пример:

>>> torch.tensor([[0.1, 1.2], [2.2, 3.1], [4.9, 5.2]])
tensor([[ 0.1000,  1.2000],
        [ 2.2000,  3.1000],
        [ 4.9000,  5.2000]])

>>> torch.tensor([0, 1])  # Type inference on data
tensor([ 0,  1])

>>> torch.tensor([[0.11111, 0.222222, 0.3333333]],
...              dtype=torch.float64,
...              device=torch.device('cuda:0'))  # creates a double tensor on a CUDA device
tensor([[ 0.1111,  0.2222,  0.3333]], dtype=torch.float64, device='cuda:0')

>>> torch.tensor(3.14159)  # Create a zero-dimensional (scalar) tensor
tensor(3.1416)

>>> torch.tensor([])  # Create an empty tensor (of size (0,))
tensor([])