tensor

从list传入

数据量较小时，可以直接传入。

注意要区别tensor()和Tensor()这两个函数，前者是传入数据本身，后者时传入数据的shape,Tensor与FloatTensor函数用法类似，如FloatTensor(2,3)会生成一个两行三列的tensor，数据为随机量FloatTensor类型
当然FloatTensor也能传入数据本身，但数据必须用一个list表示
建议torch.FloatTensor(dim1,dim2,dim3)这种格式，不用Tensor直接传数据

未初始化数据

1. torch.empty()
2. torch.FloatTensor(dim1,dim2,dim3)
3. torch.IntTensor(dim1,dim2,dim3)

设置默认tensor

增强学习一般使用double，其他一般使用float。

随机初始化

torch.rand(2,3)随机生成一个两行三列的tensor,初始化数值在0-1范围内随机采样
torch.randint(min,max,shape)表示从min-max中随机取整数，shape为一个list。
均匀采样0-10的Tensor，要用x = 10 * torch.rand(dim1,dim2),torch.randint()只能采样整数值。

以下内容为gpt生成：

正态随机初始化

torch.normal(mean=0, std=1, size=None, out=None, *, generator=None)用于生成服从正态分布（高斯分布）的随机数。

参数说明：

• mean：可选参数，表示正态分布的均值，默认为0。
• std：可选参数，表示正态分布的标准差，默认为1。
• size：可选参数，确定返回的随机数张量的形状。
• out：可选参数，输出的张量用于保存结果。
• generator：可选参数，生成随机数的随机数生成器。
• out：可选参数，输出的张量用于保存结果。
  返回值：一个张量，形状由参数 size 指定，张量中的每个元素都是从正态分布中随机采样得到的。

使用示例：

import torch

# 生成服从标准正态分布的随机数，默认均值为0，标准差为1
x = torch.normal(size=(2, 3))
print(x)

# 生成服从均值为5，标准差为2的正态分布的随机数
y = torch.normal(mean=5, std=2, size=(2, 3))
print(y)

输出示例：

tensor([[ 0.1718, -0.7127, -0.8593],
        [-2.8809, -0.4456,  1.1640]])
tensor([[4.2441, 6.1695, 5.2272],
        [3.7791, 6.6196, 3.5563]])

注意：torch.normal() 生成的随机数的分布形状取决于输入的形状参数 size，可以是标量、元组或张量的形状。

用指定值填充tensor

torch.full(size, fill_value, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) 是 PyTorch 中的一个张量填充函数，用于创建指定尺寸并用指定值填充的张量。

参数说明：

• size：指定要创建的张量的形状，可以是一个整数或一个元组，如 (3, 4)。
• fill_value：填充张量的标量值。
• out：可选参数，输出的张量用于保存结果。
• dtype：可选参数，输出张量的数据类型。
• layout：可选参数，输出张量的布局类型。
• device：可选参数，指定计算设备（如 “cpu” 或 “cuda:0”）。
• requires_grad：可选参数，指定是否将张量设置为需要梯度计算。

返回值：一个具有指定形状和填充值的张量。

使用示例：

import torch

# 创建一个形状为 (2, 3) 的张量，填充值为 5
x = torch.full((2, 3), 5)
print(x)

# 创建一个形状为 (4,) 的张量，填充值为 2.5，数据类型为 float
y = torch.full(4, 2.5, dtype=torch.float32)
print(y)

输出示例：

tensor([[5, 5, 5],
        [5, 5, 5]])
tensor([2.5000, 2.5000, 2.5000, 2.5000])

注意：torch.full() 函数创建的张量的形状由参数 size 指定，填充值由参数 fill_value 指定。可以通过指定其他可选参数来控制输出张量的数据类型、布局类型、计算设备等。