如何创建固定形状与数据类型的PyTorch高维张量？

首先明确：torch.tensor()是基于输入数据的结构生成张量，不是直接指定形状的函数。你传入(1, 345)这个二元组，它会生成包含两个元素的一维张量，所以形状是[2]，这是符合函数逻辑的行为。

下面是正确创建形状为torch.Size([1, 345])张量的几种方法：

1. 创建初始化的指定形状张量 #

如果需要创建全0、全1或随机值的张量，用torch.zeros()、torch.ones()、torch.randn()这类初始化函数，它们支持直接传入形状参数：

import torch
# 创建全0的[1,345] int64张量
pt1 = torch.zeros((1, 345), dtype=torch.int64)
# 创建全1的[1,345] int64张量
pt2 = torch.ones((1, 345), dtype=torch.int64)
# 创建随机正态分布转换后的[1,345] int64张量
pt3 = torch.randn((1, 345)).to(torch.int64)

2. 将现有数据转换为指定形状 #

如果你有长度为345的一维数据，想把它变成[1, 345]的二维张量，可以用reshape()或unsqueeze()方法调整维度：

# 假设你有345个元素的数据源
data = list(range(345))
# 先创建一维张量，再reshape为目标形状
pt1 = torch.tensor(data, dtype=torch.int64).reshape(1, 345)
# 或者用unsqueeze在第0维新增一个维度
pt2 = torch.tensor(data, dtype=torch.int64).unsqueeze(0)

纠正你之前的错误写法 #

• torch.tensor(1, 345, dtype=torch.int64)：报错是因为torch.tensor()仅接受一个位置参数（数据），你传入了两个位置参数1和345，不符合函数参数定义。
• torch.tensor((1, 345), dtype=torch.int64)：和最初写法逻辑一致，输入是二元组，生成形状[2]的一维张量，并非目标二维形状。
• torch.tensor(shape=(1, 345), dtype=torch.int64)：torch.tensor()没有shape这个参数，该参数仅适用于torch.zeros()这类初始化函数。

内容的提问来源于stack exchange，提问作者4daJKong