【python】numpy和tensor互相转换

在用pytorch训练神经网络时，常常需要在numpy的数组变量类型与pytorch中的tensor类型进行转换。

一、numpy转tensor

首先，导入需要使用的包：

import numpy as np
import torch

然后创建一个numpy类型的数组：

x = np.ones(5)
print(type(x)) # 查看x的类型

这里创建了一个一维的数组，5个都为1，我们打印一下这个x的类型显示如下：

<class 'numpy.ndarray'>

这个就说明现在x是numpy类型的一个数组，用下面的代码将x转换成tensor类型：

x = torch.tensor(x)
print(type(x))

这个打印的结果是：

<class 'torch.Tensor'> # 数明numpy转tensor成功

也可以使用：

x = torch.from_numpy(x)

二、tensor转numpy

直接上代码：

import torch
x = torch.ones(5) # 创建张量x
# tensor([1., 1., 1., 1., 1.])
x_ = x.detach().numpy() # 转换
# array([1., 1., 1., 1., 1.], dtype=float32)

也可以使用

x_= x.numpy()

主要区别在于是否使用detach()，也就是返回的新变量是否需要计算梯度。【用了detach()，不需要计算梯度了】

参考

https://www.cnblogs.com/wzyuan/p/9733433.html

https://www.cnblogs.com/kiwiwk/p/11716459.html

https://blog.csdn.net/weixin_33913332/article/details/93300411

---------------2021.4.23更新---------------------
tensor转为numpy后，遇到一个新的问题，（3，64，64）如何转为（64，64，3）

解决方法：
torch.Tensor转numpy.ndarray：

np.transpose(tensor_a.numpy(), (1, 2, 0)) # 将C x H x W 转化为 H x W x C 

https://blog.csdn.net/baidu_26646129/article/details/86712889

参考
https://blog.csdn.net/renweiyi1487/article/details/108933387