一、将tensor转成numpy
a = torch.ones(6)
b = a.numpy() #tensor->numpy()
print(a, b)
a += 1
print(a, b)
b += 1
print(a, b)
输出:
tensor([1., 1., 1., 1., 1., 1.]) [1. 1. 1. 1. 1. 1.]
tensor([2., 2., 2., 2., 2., 2.]) [2. 2. 2. 2. 2. 2.]
tensor([3., 3., 3., 3., 3., 3.]) [3. 3. 3. 3. 3. 3.]
PS:.numpy() 的方式为浅拷贝,会共享内存,一变都变。
二、将numpy 转tensor
import numpy as np
a = np.ones(7)
b = torch.from_numpy(a) #numpy()->tensor
print(a, b)
a += 1
print(a, b)
b += 1
print(a, b)
输出:
[1. 1. 1. 1. 1. 1. 1.] tensor([1., 1., 1., 1., 1., 1., 1.], dtype=torch.float64)
[2. 2. 2. 2. 2. 2. 2.] tensor([2., 2., 2., 2., 2., 2., 2.], dtype=torch.float64)
[3. 3. 3. 3. 3. 3. 3.] tensor([3., 3., 3., 3., 3., 3., 3.], dtype=torch.float64)
ps:torch.from_numpy()也是浅拷贝,一变都变。
一般程序中用浅拷贝,可以节省空间。
三、维度变形:
1、rearrange 这个函数,方便好用。
2、view,transpose,permute 联合使用
用完permute,一定加一个contiguous,保证数储存的连续性。
3、添加维度
来自:Numpy怎样给数组增加一个维度 __不要清汤锅的博客-CSDN博客_numpy 增加维度