前言
PyTorch中的数据类型为Tensor,Tensor与Numpy中的ndarray类似,同样可以用于标量,向量,矩阵乃至更高维度上面的计算。PyTorch中的tensor又包括CPU上的数据类型和GPU上的数据类型,一般GPU上的Tensor是CPU上的Tensor加cuda()函数得到。通过使用Type函数可以查看变量类型。系统默认的torch.Tensor是torch.FloatTensor类型。例如data = torch.Tensor(2,3)是一个2*3的张量,类型为FloatTensor; data.cuda()就将其转换为GPU的张量类型,torch.cuda.FloatTensor类型。
① 基本类型
如图所示,下面是cpu和gpu版本的张量(Tensor)的基本类型,一共是8种。
- torch.FloatTensor(2, 2) 构建一个2*2
Float
类型的张量
- torch.DoubleTensor(2, 2) 构建一个2*2
Double
类型的张量 - torch.ByteTensor(2, 2) 构建一个2*2
Byte
类型的张量 - torch.CharTensor(2, 2) 构建一个2*2
Char
类型的张量 - torch.ShortTensor(2, 2) 构建一个2*2
Short
类型的张量 - torch.IntTensor(2, 2) 构建一个2*2
Int
类型的张量 - torch.LongTensor(2, 2) 构建一个2*2
Long
类型的张量
官网还介绍了从python的基本数据类型list和科学计算库numpy.ndarray转换为Tensor的例子:
>>> torch.tensor([[1., -1.], [1., -1.]])
tensor([[ 1.0000, -1.0000],
[ 1.0000, -1.0000]])
>>> torch.tensor(np.array([[1, 2, 3], [4, 5, 6]]))
tensor([[ 1, 2, 3],
[ 4, 5, 6]])
② 张量类型之间的转换
2.1 CPU和GPU的Tensor之间转换
从cpu –> gpu,使用data.cuda()
即可。
若从gpu –> cpu,则使用data.cpu()
。
2.2 Tensor与Numpy Array之间的转换
Tensor –> Numpy.ndarray 可以使用 data.numpy()
,其中data的类型为torch.Tensor
。
Numpy.ndarray –> Tensor 可以使用torch.from_numpy(data)
,其中data的类型为numpy.ndarray
。
2.3 Tensor的基本类型转换(也就是float转double,转byte这种。)
为了方便测试,我们构建一个新的张量,你要转变成不同的类型只需要根据自己的需求选择即可
tensor = torch.Tensor(2, 5)
torch.long() 将tensor投射为long类型
newtensor = tensor.long()torch.half()将tensor投射为半精度浮点(16位浮点)类型
newtensor = tensor.half()torch.int()将该tensor投射为int类型
newtensor = tensor.int()torch.double()将该tensor投射为double类型
newtensor = tensor.double()torch.float()将该tensor投射为float类型
newtensor = tensor.float()torch.char()将该tensor投射为char类型
newtensor = tensor.char()torch.byte()将该tensor投射为byte类型
newtensor = tensor.byte()torch.short()将该tensor投射为short类型
newtensor = tensor.short()
思考
据我目前使用来看,最常用的还是Tensor.byte(), Tensor.float()。因为pytorch底层很多计算的逻辑默认需要的是这些类型。但是如果当你需要提高精度,比如说想把模型从float变为double。那么可以将要训练的模型设置为model = model.double()
。此外,还要对所有的张量进行设置:pytorch.set_default_tensor_type('torch.DoubleTensor')
,不过double比float要慢很多,要结合实际情况进行思考。
参考资料
[1] pytorch张量torch.Tensor类型的构建与相互转换以及torch.type()和torch.type_as()的用法
[2] PyTorch torch.Tensor 教程