张量和其他相关类型之间的转化

张量、数组、列表是较为相似的三种类型对象，会涉及到三种对象的相互转化。在张量创建的过程中，torch.tensor()函数可以将数组或列表转化为张量，同样也可以将张量转化为数组或列表。
前面介绍了0维张量的概念，此处将进一步给出零维张量和数值对象的转化方法。
（1）.numpy()方法：张量转化为数组

#方法一
t1 = torch.tensor([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
#结果为：tensor([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
t1.numpy()
#结果为：array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], dtype = int64)

#方法二，通过np.array()函数直接转化为array
np.array(t1)
#结果为：array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], dtype = int64)

（2）.tolist()方法：张量转化为列表

t1.tolist()
#结果为：[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

（3）.list()方法：张量转化为列表

#方法一
list(t1)
#结果为：[tensor(1), tensor(2), tensor(3), tensor(4), tensor(5), tensor(6), tensor(7), tensor(8), tensor(9), tensor(10)]

注意：此时转化的列表是由一个个零维张量构成的列表，而非张量的数值组成的列表
（4）.item()方法：张量转化为数值
一些情况下，需要将最终计算的结果张量转化为单独的数值进行输出，此时需要使用.item()方法来执行。

#方法一
t2 = torch.tensor(1)
t2.item()
#结果为：1

注意：此方法只可使用在零维张量中，即此张量只有一个元素的零维张量
（5）张量的深拷贝
张量与Python 中其他对象类型一样，等号赋值操作实际上是浅拷贝，需要进行深拷贝，则需要使用clone方法。

注意：此处，t1和t11二者指向相同的对象，而要使得t11不随t1对象改变而改变，则需要对t11进行深拷贝，从而使得t11单独拥有一份对象。