如何从torch或numpy计算向量创建PyTorch Tensor？

我来帮你搞定这个问题！你遇到的ValueError: only one element tensors can be converted to Python scalars，本质原因是torch.Tensor()构造函数没办法直接把PyTorch张量对象当成列表元素解析——它只认Python标量、普通数字列表或者numpy数组这类"基础"数据。你的那些尝试里，不管是把torch.cos(X)直接丢进列表，还是转numpy时没处理好张量到numpy的转换，都踩了这个坑。

下面给你两种最直接的正确写法：

方法一：用PyTorch原生的torch.stack()堆叠张量 #

这是最推荐的方式，全程用PyTorch操作，不用转numpy，效率更高：

import torch

X = torch.arange(0,6.28)
# 把cos和tan的结果沿着维度0堆叠（变成2行n列的张量）
result = torch.stack([torch.cos(X), torch.tan(X)])
print(result)

运行后会得到一个2×7的张量：

tensor([[ 1.0000,  0.5403, -0.4161, -0.9899, -0.6536,  0.2837,  0.9602],
        [ 0.0000,  1.5574, -2.1850, -0.1425,  1.1578, -3.3805, -0.2910]])

如果想要n行2列的形状，只需要给stack指定dim=1就行：

result = torch.stack([torch.cos(X), torch.tan(X)], dim=1)

方法二：转numpy数组再构造张量 #

如果一定要用numpy中转，记得先把PyTorch张量转成numpy数组（用.numpy()方法），再组装成二维numpy数组，最后转成PyTorch张量：

import torch
import numpy as np

X = torch.arange(0,6.28)
# 先把PyTorch张量转成numpy数组
cos_np = torch.cos(X).numpy()
tan_np = torch.tan(X).numpy()
# 组装成二维numpy数组后转张量
result = torch.tensor(np.array([cos_np, tan_np]))
print(result)

这个方法的输出和方法一完全一致。

为什么你的尝试会报错？ #

举个例子，你写的torch.Tensor([torch.cos(X),torch.tan(x)])里，torch.cos(X)是一个7元素的PyTorch张量，torch.Tensor()会试图把这个张量当成单个元素来转换，但它只能处理单个标量张量，所以就抛出了错误。而stack函数是专门用来把多个同形状的张量合并成更高维张量的，正好匹配你的需求。

内容的提问来源于stack exchange，提问作者WestCoastProjects