pytorch张量创建:区分Tensor & tensor & as_tensor & from_numpy

本文内容分为以下两个部分:
代码验证
结论

代码验证

请看如下代码:

import torch
import numpy as np

data = np.array([1,2,3])
t1 = torch.Tensor(data)
t2 = torch.tensor(data)
t3 = torch.as_tensor(data)
t4 = torch.from_numpy(data)

print(t1)
print(t2)
print(t3)
print(t4)

输出的结果是:

tensor([1.,2.,3.])
tensor([1,2,3],dtype=torch.int32)
tensor([1,2,3],dtype=torch.int32)
tensor([1,2,3],dtype=torch.int32)

再输入以下语句查看类型:

print(t1.dtype)
print(t2.dtype)
print(t3.dtype)
print(t4.dtype)

输出的结果是:

torch.float32
torch.int32
torch.int32
torch.int32

接着,修改numpy数组data的值,输入代码如下:

data[0] = 0
data[1] = 0
data[2] = 0

print(t1)
print(t2)
print(t3)
print(t4)

输出后发现仅有t3,t4的值被改变了,说明as_tensor和from_numpy的张量是和numpy数组共用的存储空间,也可以称为“share data”。

结论

特性Tensortensoras_tensorfrom_numpy
是否与numpy共用存储
是否属于factory function
深度学习适用场景/写代码常用优化性能使用优化性能使用

注:
(1) factory function是“先判断输入数据类型,后按照相应类型存储”的函数,而Tensor是一个构造函数;
(2) 优化程序性能时通常选用as_tensor而不是from_numpy,因为后者只接受numpy数组。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值