今天突然间想起来好久之前遇到的一个问题，虽然忘了具体的问题场景是啥了，但是最终的解决方案就是把用
th.tensor创建张量换成了用th.Tensor创建张量，今天再来探究一下tensor和Tensor有什么区别？。
先看一下torch.tensor和torch.Tensor的官方文档。
torch.Tensor
首先torch.Tensor是一个类，是包含单一数据类型元素的多维矩阵。更明确地说，它是默认张量类型torch.FloatTensor()的别名。
也就是说，torch.Tensor() 的作用实际上跟 torch.FloatTensor() 一样，都是生成一个数据类型为 32 位浮点数的张量，如果没传入数据就返回空张量，如果有列表或者 narray 的返回其对应张量。
正因为 torch.Tensor 只包含单一的数据类型，所以后面文档就列出了不同数据类型对应的不同 Tensor。
torch.tensor
torch.tensor是一个构造函数，通过复制输入数据来构建一个没有自动微分记录的张量（也成为叶张量）。
函数原型：
torch.tensor(data, *, dtype=None, device=None, requires_grad=False, pin_memory=False) → Tensor
可以发现data参数是必须要传的，如果想要生成空张量，也要传入一个空列表，data参数的类型可以是：list, tuple, NumPy ndarray, scalar和其他类型。
torch.tensor会从data中的数据部分做拷贝（而不是直接引用），根据原始数据类型生成相应的torch.LongTensor、torch.FloatTensor和torch.DoubleTensor等类型。
根据根据使用需求，有几种主要的创建张量的方法：
- 要使用预先存在的数据创建一个张量，可以使用
torch.tensor()； - 要创建特定大小的张量，可以使用
torch.*张量创建操作； - 要创建相同大小并且相同类型的张量，可以使用
torch.*_like张量创建操作； - 要创建相同类型但是大小不同的张量，可以使用
torch.new_*张量创建操作；
