pytorch 深拷贝浅拷贝以及脱离计算图/将ndarray转为tensor并指定类型

参考：

• Pytorch张量（Tensor）复制https://blog.csdn.net/winycg/article/details/100813519

---

深浅拷贝及脱离计算图

深拷贝浅拷贝区别：参考c++深浅拷贝。深拷贝会开辟内存，浅拷贝只拷贝指针不开辟内存（共享内存）。

脱离计算图：指的是不再存储梯度信息，梯度为0。

以上操作主要由.clone()和.detach()两个方法完成。

.clone()clone()函数可以返回一个完全相同的tensor,新的tensor开辟新的内存，但是仍然留在计算图中。

.detachdetach()函数可以返回一个完全相同的tensor,新的tensor开辟与旧的tensor共享内存，新的tensor会脱离计算图，不会牵扯梯度计算。此外，一些原地操作(in-place, such as resize_ / resize_as_ / set_ / transpose_) 在两者任意一个执行都会引发错误。

将ndarray转为tensor并指定类型

别管warning，pytorch2.0说了保证所有API向后兼容。

import torch
import numpy as np

# 创建一个numpy ndarray
my_array = np.array([[1, 2, 3], [4, 5, 6]])

# 将ndarray转换为Tensor并更改类型
my_tensor = torch.tensor(my_array, dtype=torch.float32)

# 打印结果
print(my_tensor)