【pytorch】1.7 pytorch与numpy，tensor与array的转换

1、pytorch与numpy 函数对比

---

2、array 转换为 tensor

• torch.Tensor(array)
• torch.tensor(array)
• torch.as_tensor(array)
• torch.from_array(array)

import torch
import numpy as np

array = np.array([1,2,3,4])
print(array.dtype)      #int64

# 用4种方式 将numpy array转换为torch tensor
tensor = torch.tensor(array)
Tensor = torch.Tensor(array)
as_tensor = torch.as_tensor(array)
from_array = torch.from_numpy(array)

# ====== 对比几种不同方法之间的异同 =========

print(tensor.dtype)     #torch.int64
print(Tensor.dtype)     #torch.float32
print(as_tensor.dtype)  #torch.int64
print(from_array.dtype) #torch.int64

# ========== 判断是否共享内存 ===========

#修改数组的值
array[0] = 10

print(tensor)       #tensor([1, 2, 3, 4])
print(Tensor)       #tensor([1., 2., 3., 4.])
print(as_tensor)    #tensor([10,  2,  3,  4])
print(from_array)   #tensor([10,  2,  3,  4])

结论：
1）torch.Tensor() 和 torch.tensor() 在转换的时候，是开辟了新的内存空间来存储tensor的。

• torch.Tensor 在生成tensor的时候，默认生成 float数据类型
• torch.tensor 是根据的情况来推断长生什么样的数据类型。

2）torch.as_tensor() 和 torch.from_array() 转换的tensor，和 numpy array 是共享内存的；所以数据肯定也是一致的。

---

3、tensor 转换为 array

import numpy as np
import torch

a = torch.tensor([1, 2, 3])
b = np.array(a)

print(a)  # tensor([1, 2, 3])
print(b)  # [1 2 3]