关于NumPy与PyTorch中1.与1.0的等价性及torch.ones输出的疑问

一、1与1.0的相等性 #

• 数值层面：在NumPy和PyTorch中，整数1和浮点数1.0的数值是相等的。比如执行np.array(1) == np.array(1.0)或torch.tensor(1) == torch.tensor(1.0)，都会返回True。
• 数据类型层面：二者完全不同。NumPy里np.array(1)默认是int64类型，np.array(1.0)默认是float64类型；PyTorch里torch.tensor(1)默认是torch.int64，torch.tensor(1.0)默认是torch.float32（具体类型可能受全局设置影响）。这种类型差异会影响运算逻辑，比如整数和浮点数混合运算时会自动做类型提升，但在要求严格类型匹配的场景下会触发错误。

二、torch.ones输出中'1.'的含义 #

torch.ones(1,4)生成的是浮点类型张量，默认 dtype 为torch.float32（可通过a.dtype查看）。输出里的1.就是1.0的缩写，用来标识这是浮点数，和整数1完全不等同：

• 它的本质是浮点数数值1.0，数据类型为浮点型，而非整数型；
• 虽然a[0][0] == 1会返回True（数值相等），但a[0][0].dtype和torch.tensor(1).dtype是完全不同的类型。

内容的提问来源于stack exchange，提问作者manus7