[torch 参数更多 ]torch.scalar_tensor

[torch.scalar_tensor]

torch.scalar_tensor(s,
             dtype=torch.float32,
             layout=torch.strided,
             device=None,
             requires_grad=False,
             pin_memory=False)

paddle.to_tensor

paddle.to_tensor(data,
                 dtype=None,
                 place=None,
                 stop_gradient=True)

PyTorch 相比 Paddle 支持更多其他参数，具体如下：

参数映射

PyTorch PaddlePaddle 备注
s data 表示输入的数据。
dtype dtype 表示数据的类型。两者参数默认值不同，Paddle 应设置为 paddle.float32。
layout - 数据布局格式，Paddle 无此参数。一般对训练结果影响不大，可直接删除。
device place 表示 Tensor 存放设备位置，两者参数类型不相同，需要转写。
requires_grad stop_gradient 表示是否计算梯度， 两者参数意义不相同，Paddle 输入与 PyTorch 逻辑相反。需要转写。
pin_memeory - 表示是否使用锁页内存， Paddle 无此参数，需要转写。 Paddle 需要对结果使用 padlde.Tensor.pin_memory()。

转写示例

device: Tensor 的设备

# PyTorch 写法
torch.tensor(3, device=torch.device('cpu'))

# Paddle 写法
y = paddle.to_tensor(3, dtype=paddle.float32, place=paddle.CPUPlace())

requires_grad：是否不阻断梯度传导

# PyTorch 写法
x = torch.tensor(3, requires_grad=True)

# Paddle 写法
x = paddle.to_tensor(3, dtype=paddle.float32, stop_gradient=False)

pin_memory：是否分配到固定内存上

# PyTorch 写法
x = torch.tensor(3, pin_memory=True)

# Paddle 写法
x = paddle.to_tensor(3, dtype=paddle.float32).pin_memory()