PyTorch张量(Tensor)创建的方式汇总详解和代码示例

在 PyTorch 中,张量(Tensor)是所有计算的基础数据结构,类似于 NumPy 的 ndarray,但支持 GPU 运算与自动求导。下面详细汇总 PyTorch 中张量的创建方式 及其代码示例:


一、基于数据创建张量

1. torch.tensor(data)

将列表、元组、NumPy 数组等数据直接转为张量。

python 复制代码
import torch
import numpy as np

# 从列表创建
a = torch.tensor([1, 2, 3])
print(a)

# 从嵌套列表创建多维张量
b = torch.tensor([[1, 2], [3, 4]])
print(b)

# 从 NumPy 创建
c = torch.tensor(np.array([5, 6, 7]))
print(c)

二、创建特定值的张量

2. torch.zeros(size)

创建所有元素为 0 的张量。

python 复制代码
a = torch.zeros(2, 3)  # shape: (2, 3)
print(a)

3. torch.ones(size)

创建所有元素为 1 的张量。

python 复制代码
b = torch.ones(3, 2)
print(b)

4. torch.full(size, fill_value)

创建所有元素为指定值的张量。

python 复制代码
c = torch.full((2, 2), 7)
print(c)

三、创建随机值张量

5. torch.rand(size)

在 [0, 1) 范围内均匀分布的随机值。

python 复制代码
a = torch.rand(2, 3)
print(a)

6. torch.randn(size)

标准正态分布(均值为 0,标准差为 1)。

python 复制代码
b = torch.randn(2, 3)
print(b)

7. torch.randint(low, high, size)

创建整数张量,区间 [low, high)。

python 复制代码
c = torch.randint(0, 10, (2, 3))
print(c)

四、创建单位矩阵与对角矩阵

8. torch.eye(n, m=None)

创建一个单位矩阵(对角为 1,其余为 0)。

python 复制代码
a = torch.eye(3)      # 3x3单位矩阵
b = torch.eye(3, 4)   # 3x4单位矩阵
print(a, b)

五、使用范围和步长创建张量

9. torch.arange(start, end, step)

类似于 Python 中的 range。

python 复制代码
a = torch.arange(0, 10, 2)  # [0, 2, 4, 6, 8]
print(a)

10. torch.linspace(start, end, steps)

生成固定步数的等间距值。

python 复制代码
b = torch.linspace(0, 1, 5)  # [0., 0.25, 0.5, 0.75, 1.]
print(b)

六、创建与已有张量相似的新张量

11. tensor.new_*(...) 系列(不推荐)

例如:

python 复制代码
a = torch.tensor([1.0, 2.0, 3.0])
b = a.new_zeros(2, 2)
print(b)

12. torch.zeros_like(tensor)

根据已有张量形状创建新张量。

python 复制代码
a = torch.ones(2, 3)
b = torch.zeros_like(a)
c = torch.ones_like(a)
d = torch.randn_like(a)
print(b, c, d)

七、张量创建时指定设备和数据类型

你可以指定 dtype 和 device:

python 复制代码
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

a = torch.ones((2, 2), dtype=torch.float32, device=device)
print(a)

八、从 NumPy 转换 / 转回

13. torch.from_numpy(ndarray)

共享内存,修改张量或数组都会影响另一个。

python 复制代码
import numpy as np

arr = np.array([[1, 2], [3, 4]])
tensor = torch.from_numpy(arr)
print(tensor)

14. .numpy()

将张量转为 NumPy 数组(要求在 CPU 上)。

python 复制代码
a = torch.tensor([[1, 2], [3, 4]])
np_array = a.numpy()
print(np_array)

九、其他高级初始化方式

15. torch.empty(size)

创建未初始化的张量(内存内容不确定,运行速度快)。

python 复制代码
a = torch.empty(2, 2)
print(a)

十、使用 requires_grad 创建可求导张量

python 复制代码
a = torch.ones(2, 2, requires_grad=True)
print(a)

总结:张量创建方法对比表

方法 说明 是否可指定 dtype/device
torch.tensor() 从数据创建张量 ✅
torch.zeros() 全为 0 ✅
torch.ones() 全为 1 ✅
torch.full() 全为指定值 ✅
torch.rand() 均匀分布 [0, 1) ✅
torch.randn() 标准正态分布 ✅
torch.randint() 随机整数 ✅
torch.eye() 单位矩阵 ✅
torch.arange() 区间整型值序列 ✅
torch.linspace() 区间等间隔浮点数 ✅
torch.empty() 未初始化张量 ✅
torch.from_numpy() NumPy 转张量 ❌(dtype 不可变)
tensor.numpy() 张量转 NumPy ❌(仅 CPU 张量)

相关推荐
VIP_CQCRE39 分钟前
GPT Image 2.6 商品图换背景后悬浮?接触阴影、透明区域与反射验收
图像处理·人工智能·ai·电商
wuyk5551 小时前
Python办公自动化-第01讲-环境搭建与自动化认知
python·自动化·pyqt
泯泷2 小时前
别再傻傻地喂文件了,大厂都在偷偷给AI建这种“专属图书馆”
人工智能
oak隔壁找我2 小时前
一款运行在 DSH(DeepSeek Harness)中的类 Postman HTTP 接口调试插件
人工智能·程序员
高洁012 小时前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
ComPDFKit2 小时前
RAG 回答只显示 PDF 文件名?用 Python 保留引用页码
开发语言·python·pdf·rag
Csvn3 小时前
如果明天供应商涨价 3 倍?三层解耦,换模型只改一行配置(C05)
人工智能·aigc·agent
在所不辞兄3 小时前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
yz_aiks4 小时前
Termux 使用教程:把安卓手机变成随身 Linux(装 Python、SSH 远程、跑自动化脚本)
android·linux·python·智能手机·ssh·termux
锋行天下4 小时前
langgraph 全栈项目(三)
前端·人工智能·后端