pytorch tensor类型转换中的深坑

最新推荐文章于 2023-02-11 21:32:41 发布
最新推荐文章于 2023-02-11 21:32:41 发布
阅读量385 收藏
点赞数
分类专栏： python 文章标签： python pytorch 人工智能 tensor
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44785351/article/details/119651025
版权
在使用PyTorch时，作者遇到了一个整型Tensor自动转换为浮点型的问题。原因是torch.Tensor()构造函数默认创建浮点型Tensor，而torch.tensor()则保留输入元素的类型。此外，文章还提及了如何通过指定dtype属性进行精确的类型转换，例如dtype=torch.int32。
摘要由CSDN通过智能技术生成

pytorch tensor类型转换中的深坑


今天在写代码时遇到了一个奇怪的问题，当我定义一个全部为整型的tensor变量，我发现其中的元素会自动转换成浮点型：
在这里插入图片描述
找了很久原因才发现是方法名有着极微的差别：
torch.Tensor()是用来定义浮点型tensor类型的，也就是说不管你里面元素填的什么类型，最终都会变成浮点型
而torch.tensor() 注意是小写t，才是用来定义tensor类型变量的，你里面写什么类型的元素他就是什么类型的
在这里插入图片描述
在这里插入图片描述

另外记录一下tensor的类型转化方法：dtype=troch.int32
在这里插入图片描述

小孙不够睡
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
PyTorch深度学习实战（2）——PyTorch基础
盼小辉丶的博客
06-04 4万+
PyTorch 是广泛应用于机器学习领域中的强大开源框架，因其易用性和高效性备受青睐。在本节中，将介绍使用 PyTorch 构建神经网络的基础知识。首先了解 PyTorch 的核心数据类型——张量对象。然后，我们将深入研究用于张量对象的各种操作。PyTorch 提供了许多帮助构建神经网络的高级方法及组件，并提供了利用 GPU 更快地训练神经网络的张量对象。
PyTorch强化学习实战（1）——强化学习环境配置与PyTorch基础
热门推荐
盼小辉丶的博客
05-29 10万+
工欲善其事，必先利其器。为了更专注于学习强化学习的思想，而不必关注其底层的计算细节，我们首先搭建相关强化学习环境，包括 PyTorch 和 Gym，其中 PyTorch 是我们将要使用的主要深度学习框架，Gym 则提供了用于各种强化学习模拟和任务的环境。除此之外，本文还介绍了一些 PyTorch 的基础知识，以及 Gym 环境的使用方法，为之后的强化学习实战奠定基础。
tensor数据类型转换_Pytorch中Tensor的类型转换
weixin_39725873的博客
12-20 374
Pytorch中的Tensor常用的类型转换函数(inplace操作)：(1)数据类型转换在Tensor后加 .long(), .int(), .float(), .double()等即可，也可以用.to()函数进行转换，所有的Tensor类型可参考https://pytorch.org/docs/stable/tensors.html(2)数据存储位置转换CPU张量 ----> GPU张量...
torch.tensor GPU调用出错记录
xiaoliuhhh的博客
02-11 331
测试能否在一块GPU上生成tensor后移动到指定gpu上，按照某些博客上面操作后来出错，原来是指定可见GPU时只写了一块。
PyTorch numpy和tensor互相转换
weixin_40378209的博客
11-28 588
PyTorch numpy和tensor互相转换
Pytorch基础操作 —— 4. 创建 Tensor 的一般方法
老程的技术笔记
10-08 4109
文章目录基础操作 —— Tensor 的创建创建tensor时常用到的一些参数说明创建空的张量 torch.empty(...)例程创建随机数值的张量 torch.rand(...)参数说明例程创建全0的张量 torch.zeros(...)例程创建全1的张量 torch.ones(...)例程 基础操作 —— Tensor 的创建 首先，在某些情况下，我们需要创建一些tensor，以下函数名很多包含相同的参数名，我在这里统一的罗列出来，方便查找。 创建tensor时常用到的一些参数说明 size 定义输出
像素统计闭坑tensor转list会有值的损失，要用np进行统计计算才不会出错
xjw0645的博客
03-05 729
今天在进行划分数据的像素值的统计的时候，发现各类像素值总和不等于应该的图片数量长宽 于是从一下几方面进行错误排除，最后发现是统计计算的工具出错了，torch的tensor相加最后转换成list会有问题： 检查图片由彩色转灰度是否正确：排除掉potsdam数据集错误的影响，确保像素值都在【0，5】 检查裁剪厚度图片是否正确：据统计，裁剪后的像素值范围正常，且数量对得上。 最后锁定，实在进行数据集的像素数量叠加的步骤出错，反复检查了1小时左右，确保公式和计算过程没有错误，之能是采取的计算方式有误 使用将li
pytorch模型训练流程中遇到的一些坑(持续更新)
baidu_41902768的博客
12-29 1万+
要训练一个模型，主要分成几个部分，如下。 数据预处理 入门的话肯定是拿 MNIST 手写数据集先练习。pytorch 中有帮助我们制作数据生成器的模块，其中有 Dataset、TensorDataset、DataLoader 等类可以来创建数据入口。之前在 tensorflow 中可以用 dataset.from_generator() 的形式，pytorch ...
pytorch函数详解
qq_44761480的博客
05-19 1851
pytorch函数详解 在typora这里写之后复制到简书上 1. torchvision 1.1 transforms.Compose(transforms) 把几个转换组合 example: from PIL import Image t_tran = [] t_tran.append(transforms.Resize(image_size)) # 64 t_tran.append(transforms.CenterCrop(image_size)) img = Image.open(dat
【目标检测系列】yolov3，yolov4训练自己的数据（pytorch 版本）
gbz3300255的博客
05-22 1万+
yolov3，yolov4训练自己数据集的流程，用opencv库函数调用训练结果文件的的流程。
创建浮点型tensor的小窍门
frank_haha的博客
03-29 941
浮点型tensor在torch框架里很重要，因为凡是能求梯度的变量必须是浮点型tensor 众所周知，pytorch里有两种基本的数据类型，tensor和variable 建立一个tensor可以为： a = torch.tensor([2,3]) 但如果仅仅是这样的话，a只是一个tensor，不是一个变量 想要将a变成变量需要在原创建语句里加上： a = torch.tensor([2, 3], requires_grad=True) 但是这样会报错，因为a的data是整型，无法求导，因此需要将a变成浮点
libtorch1.7 函数传出tensor发现值变化了
无左无右的博客
05-24 509
这是一个奇怪的问题！ torch::Tensor pre_img(const cv::Mat &img, std::vector<float>v_mean, std::vector<float>v_std, int standard_h) { cv::Mat m_resize, m_stand; if(1 == img.channels()) { ...
python卷积运行出错
m0_66082482的博客
02-11 469
这是因为啥啊？系统没报错但是无法运行
Tensorflow中将字符串tensor转换为普通的字符串以及遇到的坑
qq_15054345的博客
07-01 5031
最近遇到个需求,在使用tensoflow.data.Dataset加载dicom文件时，需要先根据文件名字划分训练集和测试集，然后再使用map函数分别将训练集和测试集逐一加载进tensorflow，其中踩了很多坑。 大体思路是使用tensor实例的numpy()函数将tensor转化为numpy数组，这个时候得到的是byte类型法的东西，再使用str函数得到字符串，但是这个字符串相比于真实字符串又会在开头和结尾多一些东西，使用[start:end]这个slice操作就可以截取出原始字符串，真正的坑在下面。
Tensorflow函数映射：py_func和map_fn
皮皮blog
07-04 4976
tf.map_fn [tf.map_fn]：map on the list of tensors unpacked from elems on dimension 0. 接受一个函数对象，然后用该函数对象对集合（elems）中的每一个元素分别处理， tf.map_fn( fn, elems, dtype=None, parallel_iterations=Non...
PyTorch基础：Tensor数据类型与类型转换
weixin_42782833的博客
06-18 1368
基本数据：Tensor Tensor，即张量，是PyTorch中的基本操作对象，可以看做是包含单一数据类型元素的多维矩阵。 Tensor数据类型 7种CPU Tensor类型 8种GPU Tensor类型，在使用时可以根据网络模型所需的精度与显存容量，合理地选取。16位半精度浮点是专为GPU上运行的模型设计的，以尽可能地节省GPU显存占用，但这种节省显存的方式也缩小了所能表达数据的大小。PyTorch中默认的数据类型是torch.FloatTensor，即torch.Tensor等同于torch.Float
【Pytorch学习笔记】6.关于Tensor、Module内参数的dtype类型转换
takedachia的博客
05-12 7985
【Pytorch学习笔记】6.关于Tensor的dtype类型转换、Module（模型）参数的统一dtype类型转换
torch中tensor数据类型的转换
m0_46345373的博客
03-25 3689
转换为float32类型： points = points.type(torch.float32)
Pytorch遇到的问题及解决方案 - 更新ing
Tsingzao的博客
01-17 4万+
1、安装完成后，不能import torch，提示 ImportError: dlopen: cannot load any more object with static TLS 解决办法：有很多答案都说是将import torch放在import cv2之前，但我试了之后还是不能解决，最后是通过在jupyter notebook中可以直接import torch。我是通过mobarxterm...
pytorch中tensor转换为numpy
最新发布
03-16
在PyTorch中，可以使用`.numpy()`方法将Tensor转换为NumPy数组。例如： ```python import torch # 创建一个Tensor x = torch.randn(3, 4) # 将Tensor转换为NumPy数组 x_np = x.numpy() print(x) print(x_np) ``` 输出： ``` tensor([[-.0529, .3199, -.821, .2156], [-.7186, -.2117, .0619, -.5152], [-.2373, .1313, -.1227, -.203]]) [[-.05289376 .3198865 -.8209629 .21563423] [-.7186262 -.21174538 .06185392 -.5151627 ] [-.23733234 .13129616 -.12270632 -.20296395]] ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值