PyTorch torch.tensor 関数

PyTorch torch リファレンスマニュアル

torch.tensorPyTorch でテンソルを作成するための核心関数です。データをコピーして新しいテンソルを作成し、元のデータの自動勾配履歴は保持されません。

これは PyTorch テンソルを作成する最も一般的な方法の 1 つであり、ほとんどのシナリオに適しています。

関数定義

torch.tensor(data, dtype=None, device=None, requires_grad=False, pin_memory=False)

パラメータ:

• data(任意の型): テンソルのデータ。Python リスト、タプル、NumPy 配列などを指定できます。
• dtype(torch.dtype, オプション): テンソルのデータ型を指定します。例:torch.float32、torch.int64など。
• device(torch.device, オプション): テンソルを格納するデバイスを指定します。例:torch.device('cpu') 或 torch.device('cuda')。
• requires_grad(bool, オプション): 勾配を計算する必要があるかどうか。デフォルトはFalse。
• pin_memory(bool, オプション): ページロックメモリを使用するかどうか。デフォルトはFalse。

戻り値:

• torch.Tensor: PyTorch テンソルを返します。

使用例

以下は、torch.tensor関数の使用例です。

例1: リストからテンソルを作成

出力結果は次のとおりです：

tensor([1, 2, 3, 4, 5])
torch.int64

この例では、Python リストから1次元テンソルを作成しました。PyTorch はデータ型を自動的に推論してint64。

例2: データ型を指定

出力結果は次のとおりです：

tensor([1., 2., 3.])
torch.float32

この例では、テンソルのデータ型を明示的に指定しました。float32。

例3: 勾配が必要なテンソルを作成

出力結果は次のとおりです：

True

この例では、勾配の計算が必要なテンソルを作成しました。これはニューラルネットワークのトレーニングに非常に役立ちます。

例4: 2次元リストからテンソルを作成

出力結果は次のとおりです：

tensor([[1, 2, 3],
        [4, 5, 6]])
torch.Size([2, 3])

この例では、2次元リストから 2x3 の2次元テンソルを作成しました。

例5: CUDAデバイス上でテンソルを作成

出力結果は次のとおりです：

cuda:0

この例では、CUDAが利用可能かどうかを確認し、GPU上でテンソルを作成します。

torch.tensor と torch.as_tensor の違い

torch.tensorとtorch.as_tensorどちらもテンソルの作成に使用されますが、重要な違いがあります。

• torch.tensor: 常にデータをコピーするため、作成されたテンソルは元のデータとメモリを共有しません。
• torch.as_tensor: 可能な限りデータを共有し、メモリをコピーしません。必要な場合にのみコピーします。

自動勾配履歴を保持する必要がある場合や、不要なデータコピーを避けたい場合は、使用できます。torch.as_tensor。

注意事項

• torch.tensorデータをコピーするため、返されたテンソルへの変更は元のデータに影響しません。
• 別のテンソルと同じ形状とデバイスを持つ新しいテンソルを作成する場合は、使用できます。torch.zeros_like() 或 torch.ones_like()。
• テンソルを作成するとき、もし指定しなければdtype、PyTorch はデータ型を自動的に推論します。

PyTorch torch リファレンスマニュアル