Python 关于pytorch张量的一种奇怪的行为。有人能解释清楚吗？

当我创建PyTorch张量并尝试探索其类型时，我发现：

>>> a = torch.rand(3,5)
>>> a
tensor([[0.3356, 0.0968, 0.2185, 0.9843, 0.7846],
        [0.8523, 0.3300, 0.7181, 0.2692, 0.6523],
        [0.0523, 0.9344, 0.3505, 0.8901, 0.6464]])
>>> type(a)
<class 'torch.Tensor'>
>>> a = a.cuda()
>>> a.is_cuda
True
>>> type(a)
<class 'torch.Tensor'>
>>> a.dtype
torch.float32
>>> 

>a=torch.rand（3,5）
>>>a
张量（[[0.3356,0.0968,0.2185,0.9843,0.7846]，
[0.8523, 0.3300, 0.7181, 0.2692, 0.6523],
[0.0523, 0.9344, 0.3505, 0.8901, 0.6464]])
>>>类型（a）
>>>a=a.cuda（）
>>>a.你是库达吗
真的
>>>类型（a）
>>>a.D类型
火炬32
>>> 

---

为什么

type（a）

仍然是

torch.Tensor

而不是

torch.cuda.Tensor

，即使这个Tensor已经在GPU上了？

你让我在那里挖掘，但是显然

type（）

作为

内置的
方法不适用于类型检测，因为
0.4.0
（请参阅和）

为了获得正确的类型，
torch.Tensor
类具有
type（）
成员，可以简单地使用：

import torch

a = torch.rand(3, 5)
print(a)
print(a.type())
a = a.to("cuda")
print(a.is_cuda)
print(a.type())

正如预期的那样，这将产生：

tensor([[0.5060, 0.6998, 0.5054, 0.4822, 0.4408],
        [0.7686, 0.4508, 0.4968, 0.4460, 0.7352],
        [0.1810, 0.6953, 0.7499, 0.7105, 0.1776]])
torch.FloatTensor
True
torch.cuda.FloatTensor

但是，我不确定这一决定背后的理由，除此之外，我找不到任何相关信息。
是的！唯一的区别是
a.type（）
got
torch.FloatTensor
而
type（a）
got
；根据这一点，我猜这是因为
type（a）
是python的一个函数，用于输出变量
a
的类型，它是pytorch张量，但python无法判断它是哪种pytorch张量。另一方面，
a.type（）
调用pytorch的一个方法，因此它可以判断具体的pytorch张量类型。我想是的，但这些只是我的推测，并没有具体说明它在引擎盖下是如何工作的（即C++和CUDA）。