Numpy，Tensor，CPU，GPU对象之间的相互转换

1、导入需要的模块

import torch
import numpy as np
from torch.autograd import Variable 

2、tensor间的转换

a = torch.ones(2,3) # 新建全为1的tensor
print("a:",a)
float_a = a.data.float() # 转为FloatTensor
print("float_a:",float_a)
int_a = a.type(torch.IntTensor) # 使用type()函数转为指定类型的tensor
print("int_a:",int_a)

# b为DoubleTensor
b = torch.eye(2,3).data.double()
print("b:",b)
# 不知转换为什么类型时，可将其转换为已知某个数据的类型
a_ = a.type_as(b)
print("a_类型：",a_.type())
print("a_:",a_)

a: tensor([[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]])
float_a: tensor([[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]])
int_a: tensor([[ 1,  1,  1],
        [ 1,  1,  1]], dtype=torch.int32)
b: tensor([[ 1.,  0.,  0.],
        [ 0.,  1.,  0.]], dtype=torch.float64)
a_类型： torch.DoubleTensor
a_: tensor([[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]], dtype=torch.float64)

3、CPU <-> GPU

没有GPU，贫穷限制了我的操作

print("GPU可用数目：",torch.cuda.device_count())
# CPU张量->GPU
var = torch.Tensor(2,3)
if torch.cuda.is_available():
    var = var.cuda()
print("var:",var)
# GPU张量->CPU
# 直接从cuda中获取数据,会出错
#var = var.cuda().data.numpy()
var = var.cuda().data.cpu().numpy()

GPU可用数目： 0

4、tensor <-> numpy

# tensor和numpy对象共享内存，之间转换很快
# numpy->tensor
a = np.ones((2,3))
a_tensor = torch.from_numpy(a)
print("a:",a)
print("a_tensor:",a_tensor)

# tensor->numpy
b = a_tensor.numpy()
print("b:",b)

a: [[1. 1. 1.]
 [1. 1. 1.]]
a_tensor: tensor([[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]], dtype=torch.float64)
b: [[1. 1. 1.]
 [1. 1. 1.]]

5、Variable

# Variable简单封装了tensor,并支持几乎所有Tensor
var_tensor = Variable(torch.Tensor(2,3))
print("var_tensor:",var_tensor)
# Variable<->numpy之间的转换
var_numpy = var_tensor.data.numpy()
var_to_tensor = Variable(torch.from_numpy(var_numpy))
print("var_numpy:",var_numpy)
print("var_to_tensor:",var_to_tensor)

var_tensor: tensor(1.00000e-39 *
       [[ 0.0000,  0.0000,  0.0000],
        [ 0.0000,  9.4592,  0.0000]])
var_numpy: [[4.203895e-45 0.000000e+00 1.401298e-45]
 [0.000000e+00 9.459202e-39 0.000000e+00]]
var_to_tensor: tensor(1.00000e-39 *
       [[ 0.0000,  0.0000,  0.0000],
        [ 0.0000,  9.4592,  0.0000]])

由于作者水平有限，因此不能保证文中内容准确无误，如有错误，请在下方留言，欢迎指出，谢谢！