事实正好相反：）

• torch.Tensor()返回一个可以保存32位浮点数的Tensor，因为它是torch.FloatTensor的别名。
• torch.tensor(X)（X中仅包含整数）默认返回64位整数Tensor，因为torch.tensor()自动推断数据类型。

但是初始化阶段实际上是选项之间的唯一区别。由于torch.tensor()是一个 Package 函数，用于使用预先存在的数据创建Tensor。有时建议使用torch.tensor()，因为它提供了一些可能性，例如通过设置dtype参数来指定数据类型。另一方面，要创建不带 * 数据的Tensor *，您将需要使用torch.Tensor()。无论哪种方式，在这两种情况下，您最终都会得到torch.Tensor。

print(torch.Tensor([1, 2, 3]).dtype)  # torch.float32
print(torch.FloatTensor([1, 2, 3]).dtype)  # torch.float32
print(torch.tensor([1, 2, 3], dtype=torch.float32).dtype)  # torch.float32
print(torch.equal(torch.Tensor([1, 2, 3]), torch.FloatTensor([1, 2, 3])))  # True
print(torch.equal(torch.Tensor([1, 2, 3]), torch.tensor([1, 2, 3], dtype=torch.float32)))  # True

print(torch.tensor([1, 2, 3]).dtype)  # torch.int64
print(torch.LongTensor([1, 2, 3]).dtype)  # torch.int64
print(torch.equal(torch.tensor([1, 2, 3]), torch.LongTensor([1, 2, 3])))  # True

print(torch.Tensor())  # tensor([])
print(torch.tensor())  # throws an error