pytorch常见数据格式之间的转换

---

前言

最近在做深度学习作业时，经常将数据转来转去，数据格式不正确就不能被放入模型中训练，所以做一个数据转换的总结。

---

一、numpy转tensor

直接torch.tensor() 注意：不共享内存，转换较慢

a = np.zeros((2,10))
b = torch.tensor(a,dtype= torch.int)
c = torch.tensor(a,dtype= torch.float)
d = torch.tensor(a,dtype= torch.long)

print(type(a))
print(type(b))
print(type(c))
print(type(d))
<class 'numpy.ndarray'>
<class 'torch.Tensor'>
<class 'torch.Tensor'>
<class 'torch.Tensor'>

因为在训练时模型对数据有不同的要求，所以看要求转成不同的tensor格式。

---

torch.from_numpy(c)

共享内存，就是一个改变另一个也会改变。比较快。

a = np.zeros(3)
b= torch.from_numpy(a)
print(a,b)
b[0] = 1
print(a,b)
[0. 0. 0.] tensor([0., 0., 0.], dtype=torch.float64)
[1. 0. 0.] tensor([1., 0., 0.], dtype=torch.float64)

---

二、tensor转numpy

x_ = x.detach().numpy()

detach（）是将requires_grad为false，得到的这个tensor永远不需要计算其梯度不具有grad
如果x在Gpu上

x_ = x。cpu().detach().numpy()

---

三、numpy，tensor转数字

.item()

print(type(a[1]))
print(type(b[1]))
print(type(a[1].item()))
print(type(b[1].item()))

<class ‘torch.Tensor’>
<class ‘numpy.float32’>
<class ‘float’>
<class ‘float’>
注意·：该函数只能用在对象引用一个数组，不能用在包含一个数组的对象，如a.item()或b.item()