深度学习方法——对比Tensor与tensor创建张量

torch.Tensor生成的张量默认采用数据类型“FloatTensor”，而torch.tensor则是识别输入数据的数据类型，从而生成对应数据类型的张量：

import torch
t1 = torch.tensor([1,2])
t2 = torch.Tensor([1,2])
print(t1)
print(type(t1))    # <class 'torch.Tensor'>
print(t1.type())   # torch.LongTensor
print("\n")
print(t2)
print(type(t2))    # <class 'torch.Tensor'>
print(t2.type())   # torch.FloatTensor

输出结果：
tensor([1, 2])
<class ‘torch.Tensor’>
torch.LongTensor

tensor([1., 2.])
<class ‘torch.Tensor’>
torch.FloatTensor

---

import torch
t1 = torch.tensor([1.,2.])
t2 = torch.Tensor([1.,2.])
print(t1)
print(type(t1))    # <class 'torch.Tensor'>
print(t1.type())   # torch.LongTensor
print("\n")
print(t2)
print(type(t2))    # <class 'torch.Tensor'>
print(t2.type())   # torch.FloatTensor

输出结果：
tensor([1., 2.])
<class ‘torch.Tensor’>
torch.FloatTensor

tensor([1., 2.])
<class ‘torch.Tensor’>
torch.FloatTensor

---

当然，二者都可以通过指定dtype参数来控制生成张量的数据类型，这里就不在展示，说一下我的一个小发现——Tensor不能在创建张量时指定device，而tensor可以：

import torch
device = torch.device('cuda')
t1 = torch.tensor([1.,2.],device=device) # 正常执行
t2 = torch.Tensor([1.,2.],device=device) # 抛出错误

（PS：后续的使用中发现新的差异将会继续更新）