1 问题
- 如果tensor的shape不是1,那么怎么转移到CPU呢?
2 方法
（1）首先如果tensor的shape不是1，那就是是一个二维张量，我们可以使用 .to(device)方法将其移动到特定的设备上。在这种情况下，我们可以将它移动到 CPU 上，如下所示：
tensor = tensor.to('cpu')
这将返回一个在 CPU 上的新的 Tensor 对象。如果原始 Tensor 已经在 CPU 上，那么这个操作不会有任何影响，并且返回的仍然是原始的 Tensor 对象。
需要注意的是，.to(device) 方法也可以以其他设备作为参数，如 `'cuda'`（如果可用）或其他设备的名称，这样可以将 Tensor 移动到相应的设备上。
（2）那么如果是二维张量我们应该怎么计算它的batch_correct值呢？
如果是一个二维张量，其中每行代表一个样本的预测结果，每列代表一个类别的预测概率，你可以使用以下代码来计算批次中预测正确的样本数量：
batch_predictions = pred.argmax(dim=1) 获取每个样本预测结果概率最高的类别索引
batch_correct = (batch_predictions == y).sum().item() 计算预测正确的样本数量
通过pred.argmax(dim=1)，我们获取每个样本预测结果概率最高的类别的索引，得到一个一维张量 batch_predictions。然后，使用 (batch_predictions == y)将预测结果与真实标签进行比较，生成一个布尔值张量，其中 True表示预测正确，False表示预测错误。
最后，使用 .sum().item()方法对布尔值张量进行求和，计算出预测正确的样本数量，并使用 .item() 方法将结果转换为 Python 标量类型，以方便获取具体的数值。
3 结语
对于如果tensor的shape不是1,我们需要使用.to(device)方法将其移动到cpu上，这样不会有任何影响，并且返回的仍然是原始的 Tensor 对象。，并且我们也可以通过pred.argmax(dim=1)，我们获取每个样本预测结果概率最高的类别的索引，得到一个一维张量 batch_predictions。用(batch_predictions == y)将预测结果与真实标签进行比较，生成一个布尔值张量，其中 True表示预测正确，False表示预测错误。使用 .sum().item()方法对布尔值张量进行求和，计算出预测正确的样本数量，并使用 .item() 方法将结果转换为 Python 标量类型，以方便获取具体的数值。就可以计算出batch_correct值。