import torch

# 创建一个2x3的PyTorch张量
x = torch.tensor([[1, 2, 3], [4, 5, 6]])

# 显示张量的形状
print(x.shape)  # 输出: torch.Size([2, 3])

# 显示张量中的值
print(x)  # 输出: tensor([[1, 2, 3],
          #             [4, 5, 6]])

import torch

# 创建一个在GPU device 0 上的2x3 CUDA张量
x = torch.Tensor(2, 3).cuda(0)

# 在CUDA张量上进行操作
y = torch.randn(2, 3).cuda(0)
z = x + y

# 将CUDA张量转换为CPU上的NumPy数组
a = z.cpu().numpy()

# 显示NumPy数组
print(a)  # 输出: [[-0.41453868 -0.49154688 -0.71539462]
          #        [-0.29935667 -0.0809008  -0.51886696]]

import numpy as np

# 创建一个2x3的NumPy数组
x = np.array([[1, 2, 3], [4, 5, 6]])

# 显示NumPy数组的形状
print(x.shape)  # 输出: (2, 3)

# 显示NumPy数组中的值
print(x)  # 输出: array([[1, 2, 3],
          #              [4, 5, 6]])

import torch
import numpy as np

# 创建一个在GPU device 0 上的2x3 CUDA张量
x = torch.Tensor(2, 3).cuda(0)

# 在CUDA张量上进行操作
y = torch.randn(2, 3).cuda(0)
z = x + y

# 将CUDA张量转换为CPU上的PyTorch张量
a = z.cpu()

# 将PyTorch张量转换为NumPy数组
b = a.numpy()

# 显示NumPy数组
print(b)

[[-0.41453868 -0.49154688 -0.71539462]
 [-0.29935667 -0.0809008  -0.51886696]]