04.Pytorch张量类型转换

Leefs 2024-12-15 AM 1261℃ 0条

[TOC]

### 一、张量转换为 numpy 数组

- 使用`Tensor.numpy`函数可以将张量转换为ndarray数组，但是共享内存，可以使用copy函数避免共享。

**代码示例**

```python
import torch

# 1. 张量转换为numpy数组
def test01():

data_tensor = torch.tensor([2,3,4])
    # 将张量转换为numpy数组
    data_numpy = data_tensor.numpy()

print(type(data_tensor))	#<class 'torch.Tensor'>
    print(type(data_numpy))		#<class 'numpy.ndarray'>

print(data_tensor)  		#tensor([2, 3, 4])
    print(data_numpy)   		#[2 3 4]

# 2. 张量和numpy数组共享内存
def test02():
    data_tensor = torch.tensor([2, 3, 4])
    data_numpy = data_tensor.numpy()

# 修改张量元素的值,看看numpy数组是否会发生变化? 会发生变化
    # data_tensor[0] = 100
    # print(data_tensor)			#tensor([100,   3,   4])
    # print(data_numpy)				#[100   3   4]

# 修改numpy数组元素的值,看看张量是否会发生变化? 会发生变化
    data_numpy[0] = 100				
    print(data_tensor)				# tensor([100,   3,   4])
    print(data_numpy)				# [100   3   4]

# 3. 使用copy函数实现不共享内存
def test03():
    data_tensor = torch.tensor([2, 3, 4])
    # 此处,发生了类型转换,可以使用拷贝函数产生新的数据,避免共享内存
    data_numpy = data_tensor.numpy().copy()

# 修改张量元素的值,看看numpy数组是否会发生变化? 没有发生变化
    # data_tensor[0] = 100
    # print(data_tensor)			 # tensor([100,   3,   4])
    # print(data_numpy)				 # [2   3   4]

# 修改numpy数组元素的值,看看张量是否会发生变化? 没有发生变化
    data_numpy[0] = 100
    print(data_tensor)				 # tensor([2,   3,   4])
    print(data_numpy)				 # [100   3   4]

if __name__ == '__main__':
    # test01()
    # test02()
    test03()
```

### 二、numpy 转换为张量

- 使用`from_numpy`函数可以将ndarray数组转换为Tensor，默认共享内存，使用copy函数避免共享内存
- 使用`torch.tensor`可以将ndarray数组转化为Tensor，默认不共享内存

**代码示例**

```python
import torch
import numpy as np

# 1. from_numpy 函数的用法
def test01():

data_numpy = np.array([2,3,4])
    data_tensor = torch.from_numpy(data_numpy.copy())

print(type(data_numpy))
    print(type(data_tensor))

# 默认共享内存
    data_numpy[0] = 100
    # data_tensor[0] = 100
    print(data_numpy)		#[100   3   4]
    print(data_tensor)		#tensor([2, 3, 4], dtype=torch.int32)

# 2. torch.tensor 函数的用法
def test02():
    data_numpy = np.array([2, 3, 4])
    data_tensor = torch.tensor(data_numpy)

# 默认共享内存
    data_numpy[0] = 100
    # data_tensor[0] = 100
    print(data_numpy)		# [100   3   4]
    print(data_tensor)		# tensor([2, 3, 4], dtype=torch.int32)

if __name__ == '__main__':
    # test01()
    test02()
```

### 三、标量张量和数字的转换

- 对于只有一个元素的张量，使用item方法将该值从张量中提取出来。

```python
import torch

def test():
    t1=torch.tensor(30)
    t2=torch.tensor([30])
    t3=torch.tensor([[30]])
    print(t1.shape)   #torch.Size([])
    print(t2.shape)   #torch.Size([1])
    print(t3.shape)   #torch.Size([1, 1])

print(t1.item())  #30
    print(t2.item())  #30
    print(t3.item())  #30
    #注意：张量中只有一个元素，如果有多个元素的话，使用item函数会报错
	# ValueError: only one element tensors can be converted to Python scalars
    # t4 = torch.tensor([30,40])
    # print(t4.item())

if __name__ == '__main__':
    test()
```

标签: pytorch

非特殊说明，本博所有文章均为博主原创。

如若转载，请注明出处：https://lilinchao.com/archives/2943.html

上一篇 03.Pytorch张量数值计算

下一篇 05.Pytorch张量维度操作(一)

04.Pytorch张量类型转换

评论已关闭

栏目分类

标签云

友情链接申请

04.Pytorch张量类型转换

评论已关闭

 栏目分类

标签云

友情链接申请

栏目分类

标签云

友情链接申请