如何在不分离、不转Numpy的情况下将Tensor标量转为Tensor列表

问题1：将张量标量转换为张量列表且不执行detach操作 #

这里的“张量列表”分为两种场景，对应实现方式如下：

• 若要生成**单元素形状的张量（如shape为(1,)）**且保留计算图：
  使用unsqueeze扩展维度，直接调用标量张量的方法：

  # x 是标量张量
  tensor_list = x.unsqueeze(0)
  

  或使用全局函数：

  tensor_list = torch.unsqueeze(x, 0)
  

  两种方式均不会触发detach，完整保留梯度追踪能力。
• 若要生成包含标量张量的Python列表：
  直接将标量张量放入列表即可：

  tensor_list = [x]
  

  此操作不会对原张量做任何修改或detach。

问题2：基于long类型标量张量生成单元素张量（无需转Numpy） #

对于x = tensor.long()类型的标量，要得到类似tensor[(x.detached().numpy())]的单元素张量，无需依赖Numpy，直接用维度扩展方法即可：

# 生成shape为(1,)的long类型张量，保留计算图
result_tensor = x.unsqueeze(0)

如果不需要保留梯度，也可以用reshape实现相同形状转换：

result_tensor = x.reshape(1)

两种方式生成的张量与目标效果完全一致，全程不涉及Numpy转换，效率更高。

内容的提问来源于stack exchange，提问作者Tommy Yu