Pytorch_Tensor

Tensor

参考文档

Pytorch 之 Tensor 属性与操作

tensor转cuda

import numpy as np

data = ('A', 'd', 'v')

data = np.array(data)
data = torch.ones((3, 5))
print(data)

# data = torch.from_numpy(data)
data.to("cuda")

TypeError: can't convert np.ndarray of type numpy.str_. The only supported types are: float64, float32, float16, complex64, complex128, int64, int32, int16, int8, uint8, and bool.

==可知能转tensor的类型只有：==float64, float32, float16, complex64, complex128, int64, int32, int16, int8, uint8, and bool.

查看tensorType

import torch

x = torch.ones((3, 5))
print(x)

print('type(x): ', type(x))
print('x.dtype: ', x.dtype)
print('x.device:', x.device)

x.to("cuda") # note：这里必须使用一个变量接收，因为不是改变原数据x，正确写法如下：
x = x.to("cuda")
print('type(x): ', type(x))
print('x.dtype: ', x.dtype)
print('x.device:', x.device)

tensor([[1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.]])
# cpu上
type(x):  <class 'torch.Tensor'>
x.dtype:  torch.float32
x.device: cpu
# gpu上
type(x):  <class 'torch.Tensor'>
x.dtype:  torch.float32
x.device: cuda:0

总结：

• type()函数是查看变量的类型，即属于什么class
• var.dtype是查看该tensor中数据的类型
• var.device是查看变量在哪个设备上

Tensor的cuda类型和gpu类型

前提：即在tensor从cpu转到gpu上时，通过查看其dtype可以发现，他的dtype没有变化，都是torch.xxxx，与预想中会自动转成torch.cuda.xxxx不符，即与设想自动转换成cuda数据类型不一致。