目录
1、Tensor.ndimension()
返回tensor的维度(整数)。
import torch
a = torch.zeros([3])
b = torch.zeros([1,2,3])
print(a,'\n',b)
a_dim = a.ndimension()
b_dim = b.ndimension()
print(a_dim,'\n',b_dim)
###返回值
tensor([0., 0., 0.])
tensor([[[0., 0., 0.],
[0., 0., 0.]]])
1
3
2、Tensor数据类型
3、Tensor数据类型转换
3.1 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()。
3.2 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。
3.3 Tensor的基本类型转换
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()