tensor转换为list_torch与numpy数组的转换及注意

本文介绍了在神经网络和PyTorch环境中,如何将Tensor转换为NumPy的array,以及反之的过程。特别强调了转换过程中两者共享内存,改变一方会影响另一方的特点,并提到了CUDA tensor的创建。
摘要由CSDN通过智能技术生成

0e251c78503f8c807283726497018918.png

在神经网络及pytorch的使用及构建中,经常会出现numpy的array与torch的tensor互相转换的形式,本文简述pytorch与numpy的转换及注意事项。[1]

将tensor转换为array

a = torch.ones(5)
print(a)

out:

tensor([1., 1., 1., 1., 1.])

使用object的numpy()转换:

b = a.numpy()
print(b)

out:

[1. 1. 1. 1. 1.]

注意,此时两个数组(array与tensor)是共用一个储存空间的,也就是说,一个改变,另一个也会改变,因此:

a.add_(1)
print(a)
print(b)

out:

tensor([2., 2., 2., 2., 2.])
[2. 2. 2. 2. 2.]

将array转换为tensor

使用from_numpy()

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b)

out:

[2. 2. 2. 2. 2.]
tensor([2., 2., 2., 2., 2.], dtype=torch.float64)

当然还有能在GPU上运算的CUDA tensors

先判断cuda有没有安装好:

torch.cuda.is_available()

如果为true,那就安装好了。

尝试构建数组:

if torch.cuda.is_available():
    x = torch.randn(1)
    device = torch.device("cuda")          # a CUDA device object
    y = torch.ones_like(x, device=device)  # directly create a tensor on GPU
    x = x.to(device)                       # or just use strings ``.to("cuda")``
    z = x + y
    print(z)
    print(z.to("cpu", torch.double))       # ``.to`` can also change dtype together!

官网中写到:

Tensors can be moved onto any device using the.tomethod.

参考

  1. ^官方文档 https://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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