【Torch tensor】torch中的数据类型和相互转换_torch tensor类型转换

 

目录

1 torch.Tensor

2 Data types

 3 Initializing and basic operations

1）使用torch.tensor() 创建

 2）使用python list创建

3）使用zeros ones函数创建

 4）通过torch.dtype指定类型， torch.device指定构造器

 5）零维张量

 6）torch.Tensor.item()从包含单个值的张量中获取Python数字

 4 type changes

1）tensor间类型转换

 2）数据存储位置转换

 3）与Python数据类型转换

4）剥离出一个tensor参与计算，但不参与求导

---

官网链接

1 torch.Tensor

A torch.Tensoris a multi-dimensional matrix containing elements of a single data type.
torch.Tensor 是包含单一数据类型的多维矩阵

2 Data types

Torch定义了10种不同CPU和GPU的张量类型，下面摘录常用的几种

torch.Tensor is an alias for the default tensor type (torch.FloatTensor).
torch.Tensor 是默认张量类型(torch.FloatTensor)的别名

 

CPU张量在torch中，GPU张量在torch.cuda包中

从CPU转换到GPU，有一个to(device)的张量方法，可以创建张量的副本到指定设备（可以是CPU或GPU）

• GPU设备可以在冒号之后指定一个可选设备的索引。例如，系统中的第二个GPU可以用“cuda:1”寻址（索引从零开始）
• 另一种更为有效的方法是使用torch.device类，该类接受设备名称和可选索引。它有device属性，所以可以访问张量当前所在的设备。

 从GPU转换到CPU，使用.cpu()方法

 3 Initializing and basic operations

1）使用torch.tensor() 创建

 2）使用python list创建

3）使用zeros ones函数创建

 4）通过torch.dtype指定类型， torch.device指定构造器

 5）零维张量
 

就是数字，比如说是某些操作的求和结果
可以使用torch.tensor()函数创建

 6）torch.Tensor.item()从包含单个值的张量中获取Python数字

 必须是单个值才行！！！！

 

 4 type changes

参考

1）tensor间类型转换

• 在Tensor后加.long(), .int(), .float(), .double()等
• 也可以用.to()函数进行转换

 2）数据存储位置转换

CPU张量 ----> GPU张量，使用data.cuda() 或者 data.to()
GPU张量 ----> CPU张量，使用data.cpu()

 3）与Python数据类型转换

1 torch.Tensor ----> 单个Python数据，使用data.item()，data为Tensor变量且只能为包含单个数据

2 torch.Tensor ----> Python list，使用data.tolist()，data为Tensor变量，返回shape相同的可嵌套的list

3 torch.Tensor ----> numpy，使用data.numpy()，data为Tensor变量

 4 numpy ----> torch.Tensor

tensor = torch.from_numpy(ndarray)

 5 list ----> numpy

使用np.array(list)

6 numpy----> list

使用.tolist()

 参考

4）剥离出一个tensor参与计算，但不参与求导

Tensor后加 .detach()