详解pytorch中的常见的Tensor数据类型以及类型转换

概览

本文主要讲pytorch中的常见的Tensor数据类型，例如：float32，float64，int32，int64。构造他们分别使用如下函数：torch.FloatTensor()；torch.DoubleTensor(), torch.IntTensor(), torch.LongTensor()。

Tensor的构建

1.32-bit floating point：

a=torch.FloatTensor([1.0,3.0])#a=torch.Tensor([1.0,3.0])和前面等价
print(a.dtype)
#torch.float32

2.64-bit floating point

a=torch.DoubleTensor([1,3])
print(a.dtype)
#torch.float64

3.32-bit integer (signed)

a=torch.IntTensor([1,3])
print(a.dtype)
#torch.int32

4.64-bit integer (signed)

a=torch.LongTensor([1,3])
print(a.dtype)
#torch.int64

补充

type(a)
#torch.Tensor

torch.Tensor作为一个对象，你创建的所有Tensor，不管是什么数据类型，都是torch.Tensor类，其所有元素都只能是单一数据类型。即：

A torch.Tensor is a multi-dimensional matrix containing elements of a single data type

即使你给的数据有多种类型，其会自动转换。比如：

a=torch.LongTensor([1,3.1])
print(a.dtype)
#torch.int64
a
#tensor([1, 3])

除了用上述构建方法构建torch.Tensor之外，还可以用torch.tensor()来构建，我个人比较喜欢这个，因为其功能更加强大。上面那种torch.xxxTensor()的方式要记好几种，这里有像numpy那样的dtype参数直接指定，可以看作是前面的升级版吧。

a=torch.tensor([1,3.1],dtype=torch.int32)#指定是哪种数据类型就是哪种。
print(a.dtype)
#torch.int32
a
tensor([1, 3], dtype=torch.int32)

本节最后，上面4中数据类型一般够用，其他还有torch.int8,torch.uint8,torch.bool。如果不够？可以参考：
https://pytorch.org/docs/stable/tensors.html

类型转换

下面会介绍两种方法：long()和type(torch.int64)，显然后者比较容易记住，是我比较喜欢的。

a=torch.tensor([1,2],dtype=torch.int32)
print(a)
b=a.long()
print(b)
print(b.dtype)
c=a.type(torch.int64)
print(c)
print(c.dtype)
print(a)

有人会疑惑，为什么第二行输出没有显示dtype=，因为默认就是torch.int64。

附录

list,numpy,tensor之间相互转换的方法：

a=[[1,2],[3,4]]#list
print(a)
b=np.array(a)#list->numpy
print(b)
c=torch.tensor(a)#list->tensor
print(c)
print(b.tolist())#numpy->list
print(c.tolist())#tensor->list
print(torch.tensor(b))#numpy->tensor
print(torch.from_numpy(b))#同上
print(c.numpy())#tensor->numpy

对了，温馨提示，tensor可以在GPU上运行，其他两个都不可以，这就是为什么你用GPU运行的时候有时会报不是tensor的错误，必须先转化为tensor。
还有，GPU上的tensor不能直接转为numpy，需要先放到CPU上。

a=a.cpu()#放到CPU
a.numpy()#这才对。

放回GPU上？

a=a.cuda()#放到GPU

当然啦，cuda(),cpu()还有一种写法：

device=torch.device("cpu")#torch.device("cuda")
a=torch.tensor([1,2])
a.to(device)#放到CPU

---

完结撒花

---