1、 torch.tensor(data, *, dtype=None, device=None, requires_grad=False, pin_memory=False)   

最推荐

数据类型：和输入相同，可以使用dtype改变数据类型

拷贝类型：总是深拷贝；  如果数据为tensor，不想拷贝，使用torch.Tensor.requires_grad_() or torch.Tensor.detach()

具体参考：https://pytorch.org/docs/stable/generated/torch.tensor.html#torch.tensor

2、torch.as_tensor(data, dtype=None, device=None)

次推荐

数据类型：和输入相同；可以使用dtype改变数据类型

拷贝类型：data为tensor，如果dtype和device相同，不拷贝，反之则拷贝；

                  data为numpy，如果dtype相同，device=cpu，不拷贝

具体参考：https://pytorch.org/docs/stable/generated/torch.as_tensor.html#torch.as_tensor

3、torch.from_numpy(ndarray) 

数据类型：和输入相同

拷贝类型：浅拷贝；

4、torch.Tensor()

torch.Tensor 是默认的tensor类型 (torch.FloatTensor) 的简称.

数据类型：默认Float32

拷贝类型：深拷贝

具体参考：https://pytorch.apachecn.org/docs/1.0/tensors.html

类似的包含8种张量，上链接均有介绍

5、Transform.ToTensor

def transform():
    return Compose([
    ToTensor(),
    ])
data = transform(data)

这是我采坑的地方，ToTensor会自动归一化,也就是 / 255

只处理三维数据（HWC）,C不一定为3

参考感谢：

https://zhuanlan.zhihu.com/p/345648168

https://blog.csdn.net/github_28260175/article/details/105382060