引數：data，tensor的初始資料。可以是list、tuple、numpy ndarray、scalar和其他型別。
dtype，（可選）返回的張量的所需資料型別。預設值：從輸入資料推斷的型別。
device，（可選）返回的張量的所需資料型別。預設值：當前預設裝置。
作用：將其他型別資料轉換為tensor型別，但只要device不等於cuda，轉換的tensor型別變數與原變數共享乙個記憶體。
例子：
引數：>>> a = numpy.array([
1,2,
3])>>> t = torch.
as_tensor
(a)>>> t
tensor([
1,2,
3])>>> t[0]
=-1>>> a
array([
-1,2
,3])
>>> a = numpy.
array([
1,2,
3])>>> t = torch.
as_tensor
(a, device=torch.
device
('cuda'))
>>> t
tensor([
1,2,
3])>>> t[0]
=-1>>> a
array([
1,2,
3])
size， 定義輸出張量形狀的一系列整數。可以是可變數目的引數或集合，如列表或元組。
out，輸出的tensor。
dtype，返回的張量的所需資料型別。預設值：如果沒有，則使用全域性預設值。
layout，返回張量的所需布局。預設值：torch.stridded。
device，返回張量的所需裝置。預設：如果沒有，則使用當前裝置作為預設張量型別。
requires_grad，如果autograd應該在返回的張量上記錄操作。預設值：false。
作用：建立全0的tensor。
例子：
引數：>>> torch.zeros(2
,3)tensor([
[0.,0.
,0.],
[0.,0.
,0.]]
)>>> torch.
zeros(5
)tensor([
0.,0.,
0.,0.,
0.])
start，生成的tensor中數值的起始值，包括此值。
end，生成的tensor中數值的終止值，包括此值。
steps，起始值與終止值之間的每兩個數之差，可以理解為步長。
out，（可選）輸出的tensor。
dtype，（可選）返回的張量的所需資料型別。預設值：如果沒有，則使用全域性預設值。
layout，（可選）返回張量的所需布局。預設值：torch.stridded。
device，（可選）返回張量的所需裝置。預設：如果沒有，則使用當前裝置作為預設張量型別。
requires_grad，（可選）如果autograd應該在返回的張量上記錄操作。預設值：false。
例子：
引數：>>> torch.linspace(3
,10, steps=5)
tensor([
3.0000
,4.7500
,6.5000
,8.2500
,10.0000])
>>> torch.
linspace(-
10,10, steps=5)
tensor([
-10.,-
5.,0.,
5.,10.]
)>>> torch.
linspace
(start=-10
, end=
10, steps=5)
tensor([
-10.,-
5.,0.,
5.,10.]
)>>> torch.
linspace
(start=-10
, end=
10, steps=1)
tensor([
-10.
])
n，行數。
2.m，（可選）列數，預設與行數相等。
out，（可選）輸出的tensor。
dtype，（可選）返回的張量的所需資料型別。預設值：如果沒有，則使用全域性預設值。
layout，（可選）返回張量的所需布局。預設值：torch.stridded。
device，（可選）返回張量的所需裝置。預設：如果沒有，則使用當前裝置作為預設張量型別。
requires_grad，（可選）如果autograd應該在返回的張量上記錄操作。預設值：false。
作用：返回二維張量，對角線元素為1，其餘元素為0。
例子：
引數：>>> torch.eye(3)
tensor([
[1.,0.
,0.],
[0.,1.
,0.],
[0.,0.
,1.]]
)
size，定義輸出張量形狀的一系列整數。可以是可變數目的引數或集合，如列表或元組。
out，（可選）輸出的tensor。
dtype，（可選）返回的張量的所需資料型別。預設值：如果沒有，則使用全域性預設值。
layout，（可選）返回張量的所需布局。預設值：torch.stridded。
device，（可選）返回張量的所需裝置。預設：如果沒有，則使用當前裝置作為預設張量型別。
requires_grad，（可選）如果autograd應該在返回的張量上記錄操作。預設值：false。
例子：
>>> torch.empty(2
,3)tensor
(1.00000e-08*[
[6.3984
,0.0000
,0.0000],
[0.0000
,0.0000
,0.0000]]
)>>> torch.
empty(1
)>>> torch.
empty([
1,3]
)tensor([
1.1673e-42])
tensor([
[-3.3881e+24
,4.5908e-41,-
3.3881e+24]]
)
Pytorch官方指南（二） 翻譯版本
torch.cuda用於設定和執行cuda操作。它跟蹤當前選定的gpu，預設情況下，您分配的所有cuda tensor都將在該裝置上建立。無論怎麼樣，一旦分配了乙個張量，就可以對它進行操作，而不必考慮所選的裝置，結果將始終與張量放在同乙個裝置上。預設情況下不允許跨gpu操作，除了copy u 和其他...
Pytorch官方指南（三） 翻譯版本
torch package包含多維tensor的資料結構，並定義了它們的數 算。此外，它還提供了許多實用程式來高效序列化tensor和任意型別，以及其他有用的實用程式。它有乙個cuda對應項，使您能夠在計算能力大於等於3.0的nvidia gpu上執行tensor計算。引數 obj物件。作用 判斷該...
Pytorch官方文件（八）翻譯版本
import torch.nn as nn import torch.nn.functional as fclass model nn.module def init self super model,self init self.conv1 nn.conv2d 1 20,5 self.conv2 ...