机器学习 · 函数

创建张量

创建 PyTorch 张量。

调用签名(数据, 设备=None, 需要梯度=False)

创ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 创建张量
设 结果 = 机器学习.创建张量(
    数据=[1, 2, 3, 4],  # 必填；要处理的原始数据，可以是列表、字典、DataFr...
    设备=None,  # 可选；按函数业务含义传入 设备;首次使用建议先 打印(...
    需要梯度=False,  # 可选；按函数业务含义传入 需要梯度;首次使用建议先 打...
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

3 个参数

参数类型 / 传入方式说明

数据可选 · 默认无

未声明位置参数或字段名=值

要处理的原始数据，可以是列表、字典、DataFrame、数组等。

常见错误：漏传会报 TypeError: missing required argument: '数据';检查调用是否漏了这行

设备可选 · 默认 None

未声明位置参数或字段名=值

按函数业务含义传入设备;首次使用建议先打印(结果) 确认其作用。

常见错误：类型不匹配会报 TypeError;按字段类型列传值,首次使用建议先打印(结果) 确认结构

需要梯度可选 · 默认 False

未声明位置参数或字段名=值

按函数业务含义传入需要梯度;首次使用建议先打印(结果) 确认其作用。

常见错误：类型不匹配会报 TypeError;按字段类型列传值,首次使用建议先打印(结果) 确认结构

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 创建张量
设 结果 = 机器学习.创建张量(
    数据=[1, 2, 3, 4],  # 必填；要处理的原始数据，可以是列表、字典、DataFr...
    设备=None,  # 可选；按函数业务含义传入 设备;首次使用建议先 打印(...
    需要梯度=False,  # 可选；按函数业务含义传入 需要梯度;首次使用建议先 打...
)
打印(结果)

# 进阶组合:创建张量 配合 机器学习 业务流使用
设 模型 = 机器学习.训练线性回归([[1], [2], [3]], [2, 4, 6])
设 结果 = 机器学习.创建张量(
    数据=[1, 2, 3, 4],  # 必填
    设备=None,  # 可选
    需要梯度=False,  # 可选
)
设 结果 = 机器学习.预测(模型, [[4]])
打印(结果)

# 错误排查:覆盖 1 个必填参数

## 参数 1: 数据
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器学习.创建张量()  # TypeError
# 修复:补上必填字段
设 结果 = 机器学习.创建张量(数据=[1, 2, 3, 4])
打印(结果)