torch.asarray 是 PyTorch 中的一个函数，用于将输入数据转换为 PyTorch 张量（torch.Tensor）。它的作用类似于 NumPy 的 numpy.asarray 函数，能够将各种类型的输入数据（如列表、NumPy 数组、Python 标量等）转换为 PyTorch 张量。
函数签名
torch.asarray(obj, *, dtype=None, device=None, copy=None, requires_grad=False)参数说明
- obj: 输入数据，可以是列表、元组、NumPy 数组、Python 标量、PyTorch 张量等。
- dtype (可选): 指定输出张量的数据类型。如果未指定，PyTorch 会根据输入数据自动推断数据类型。
- device (可选): 指定输出张量所在的设备（如
'cpu'或'cuda'）。如果未指定，张量将默认放在 CPU 上。 - copy (可选): 布尔值，指定是否创建输入数据的副本。如果为
True，则总是创建副本；如果为False，则尽可能避免创建副本（例如，如果输入已经是 PyTorch 张量且满足其他条件，则直接返回输入张量）。 - requires_grad (可选): 布尔值，指定是否需要计算梯度。如果为
True，则输出张量将启用自动求导功能。
返回值
- 返回一个
torch.Tensor对象，表示转换后的张量。
示例
1. 将列表转换为张量
import torch
data = [1, 2, 3, 4]
tensor = torch.asarray(data)
print(tensor)输出：
tensor([1, 2, 3, 4])2. 将 NumPy 数组转换为张量
import numpy as np
import torch
data = np.array([1, 2, 3, 4])
tensor = torch.asarray(data)
print(tensor)输出：
tensor([1, 2, 3, 4], dtype=torch.int32)3. 指定数据类型和设备
import torch
data = [1.0, 2.0, 3.0, 4.0]
tensor = torch.asarray(data, dtype=torch.float32, device='cuda')
print(tensor)输出：
tensor([1., 2., 3., 4.], device='cuda:0')4. 启用自动求导
import torch
data = [1.0, 2.0, 3.0, 4.0]
tensor = torch.asarray(data, requires_grad=True)
print(tensor)输出：
tensor([1., 2., 3., 4.], requires_grad=True)注意事项
torch.asarray是 PyTorch 1.10 版本引入的新函数，因此在较旧的版本中可能不可用。如果你使用的是较旧的 PyTorch 版本，可以使用torch.tensor或torch.from_numpy来实现类似的功能。- 如果输入数据已经是 PyTorch 张量，并且满足
dtype和device的要求，torch.asarray可能会直接返回输入张量而不创建副本，除非copy=True。
总结
torch.asarray 是一个灵活且方便的函数，用于将各种类型的数据转换为 PyTorch 张量。它支持指定数据类型、设备、是否创建副本以及是否启用自动求导等功能，适用于多种场景。
