深度学习PyTorch笔记（6）：Tensor与NumPy、标量的转换_numpy转为标量

这是《动手学深度学习》（PyTorch版）（Dive-into-DL-PyTorch）的学习笔记，里面有一些代码是我自己拓展的。

其他笔记在专栏 深度学习 中。

1.5 Tensor和NumPy相互转换

1.5.1 Tensor转NumPy

a = torch.ones(5)
b = a.numpy()
print(type(a), type(b))  #a是Tensor，b是numpy
print(a, b)

a += 1
print(a, b)

b += 1
print(a, b)
1
2
3
4
5
6
7
8
9
10

<class 'torch.Tensor'> <class 'numpy.ndarray'>
tensor([1., 1., 1., 1., 1.]) [1. 1. 1. 1. 1.]
tensor([2., 2., 2., 2., 2.]) [2. 2. 2. 2. 2.]
tensor([3., 3., 3., 3., 3.]) [3. 3. 3. 3. 3.]
1
2
3
4

1.5.2 Numpy转Tensor

c = torch.from_numpy(b)
print(b, c)

b += 1
print(b, c)

c += 1
print(b, c)
1
2
3
4
5
6
7
8

[3. 3. 3. 3. 3.] tensor([3., 3., 3., 3., 3.])
[4. 4. 4. 4. 4.] tensor([4., 4., 4., 4., 4.])
[5. 5. 5. 5. 5.] tensor([5., 5., 5., 5., 5.])
1
2
3

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
print(a, b)

a += 1
print(a, b)

b += 1
print(a, b)
1
2
3
4
5
6
7
8
9
10

[1. 1. 1. 1. 1.] tensor([1., 1., 1., 1., 1.], dtype=torch.float64)
[2. 2. 2. 2. 2.] tensor([2., 2., 2., 2., 2.], dtype=torch.float64)
[3. 3. 3. 3. 3.] tensor([3., 3., 3., 3., 3.], dtype=torch.float64)
1
2
3

• 所有在CPU上的Tensor（除了CharTensor）都支持与NumPy数组相互转换。
• 用numpy()和from_numpy()将Tensor和NumPy中的数组相互转换。
• 但是需要注意的一点是：这两个函数所产生的的Tensor和NumPy中的数组共享相同的内存（所以他们之间的转换很快），改变其中一个时另一个也会改变！！！

1.5.3 直接用torch.tensor()将NumPy数组转换成Tensor

该方法总是会进行数据拷贝，返回的Tensor和原来的数据不再共享内存。

c = torch.tensor(a)
a += 1
print(a, c)
1
2
3

[4. 4. 4. 4. 4.] tensor([3., 3., 3., 3., 3.], dtype=torch.float64)
1

1.6 将大小为1的张量转换为Python标量

x = torch.tensor([3.5])
print(x, x.item(), float(a))
1
2

tensor([3.5000]) 3.5 3.5 3
1