tensor

paddle. tensor ( data, dtype=None, device=None, requires_grad=False, pin_memory=False ) [源代码] 

通过已知的 data 来创建一个 Tensor，Tensor 类型为 paddle.Tensor。 data 可以是 scalar，tuple，list，numpy.ndarray，paddle.Tensor。

如果 data 已经是一个 Tensor，且 dtype 、 device 没有发生变化，将不会发生 Tensor 的拷贝并返回原来的 Tensor。否则会创建一个新的 Tensor，且不保留原来计算图。

         我们使用如下规则来进行类型转换：

          保持类型
np.number ───────► paddle.Tensor
                    (0-D Tensor)
               paddle 默认类型
Python Number ───────────────► paddle.Tensor
                                (0-D Tensor)
            保持类型
np.ndarray ─────────► paddle.Tensor

        

备注

paddle.tensor 在功能和参数上与 torch.tensor 对齐。与 paddle.to_tensor 的区别在于两者的参数名称不同， paddle.tensor 还额外支持了 pin_memory 功能。

参数

data (scalar|tuple|list|ndarray|Tensor) - 初始化 Tensor 的数据，可以是 scalar，list，tuple，numpy.ndarray，paddle.Tensor 类型。

dtype (str|paddle.dtype|np.dtype，可选) - 创建 Tensor 的数据类型，可以是 bool、float16、float32、float64、int8、int16、int32、int64、uint8、complex64、complex128。默认值为 None，如果 data 为 python 浮点类型，则从 get_default_dtype 获取类型，如果 data 为其他类型，则会自动推导类型。

device (CPUPlace|CUDAPinnedPlace|CUDAPlace，可选) - 创建 tensor 的设备位置，可以是 CPUPlace、CUDAPinnedPlace、CUDAPlace。默认值为 None，使用全局的 place。

requires_grad (bool，可选) - 是否阻断 Autograd 的梯度传导。默认值为 False，此时不进行梯度传传导。

pin_memory (bool，可选) - 是否将当前 Tensor 的拷贝到固定内存上，如果当前 Tensor 已经在固定内存上，则不会发生任何拷贝。默认值为 False。

返回

通过 data 创建的 Tensor。

代码示例

          >>> import paddle

>>> type(paddle.tensor(1))
<class 'paddle.Tensor'>

>>> paddle.tensor(1)
Tensor(shape=[], dtype=int64, place=Place(cpu), stop_gradient=True,
1)

>>> x = paddle.tensor(1, requires_grad=True)
>>> print(x)
Tensor(shape=[], dtype=int64, place=Place(cpu), stop_gradient=False,
1)

>>> paddle.tensor(x)  # A new tensor will be created with default stop_gradient=True
Tensor(shape=[], dtype=int64, place=Place(cpu), stop_gradient=True,
1)

>>> paddle.tensor([[0.1, 0.2], [0.3, 0.4]], device=paddle.CPUPlace(), requires_grad=True)
Tensor(shape=[2, 2], dtype=float32, place=Place(cpu), stop_gradient=False,
[[0.10000000, 0.20000000],
 [0.30000001, 0.40000001]])

>>> type(paddle.tensor([[1+1j, 2], [3+2j, 4]], dtype='complex64'))
<class 'paddle.Tensor'>

>>> paddle.tensor([[1+1j, 2], [3+2j, 4]], dtype='complex64')
Tensor(shape=[2, 2], dtype=complex64, place=Place(cpu), stop_gradient=True,
[[(1+1j), (2+0j)],
 [(3+2j), (4+0j)]])

         