33558 www.Sina.com/torch.tensor (数据，*，dtype=None，设备=none，requires_grad=False，pin_memory=
数据类型：与输入一样，可以使用dtype更改数据类型
复制类型：始终深度复制； 如果不想在tensor中复制数据，请选择torch.Tensor.requires_grad_ () ortorch.Tensor.detach (
具体参考： https://py torch.org/docs/stable/generated/torch.tensor.html # torch.tensor
3358 www.Sina.com/torch.as _ tensor (data，dtype=None，设备=none )次推荐
数据类型：与输入相同； 可以使用dtype更改数据类型
复制类型： data为tensor，如果dtype和device相同则不复制，反之则复制
数据为numpy，如果dtype相同，则device=cpu，不复制
具体而言，https://py torch.org/docs/stable/generated/torch.as _ tensor.html # torch.as _ tensor
33558 www.Sina.com/torch.from _ numpy (nd array ) )。
数据类型：与输入相同
副本类型：浅副本；
http://www.Sina.com/http://www.Sina.com /
数据类型：默认浮动32
复制类型：深度复制
具体参考： https://py torch.Apache cn.org/docs/1.0/tensors.html
包含8种张量，如，在上面的链接中有介绍
3358 www.Sina.com/def transform (:返回组合([ to tensor )，] ) data=transform ) data )这是我挖洞的地方，http://www
只处理三维数据(HWC )，c不限于3
感谢您的参考：
3359砖局域网. zhi Hu.com/p/345648168
3359 blog.csdn.net/github _ 28260175/article/details/105382060