下面简单介绍一下Pytorch中变量之间的相互转换。
(1)CPU或GPU张量之间的转换
- 一般只要在Tensor后加long(), int(), double(),float(),byte()等函数就能将Tensor进行类型转换;例如:Torch.LongTensor--->Torch.FloatTensor, 直接使用data.float()即可
- 还可以使用type()函数,data为Tensor数据类型,data.type()为给出data所属的张量类型,使用data.type(torch.FloatTensor)则强制将data所属的张量类型 转换为torch.FloatTensor类型的张量。
- 当你不知道要转换为什么类型时,但需要求a1,a2两个张量的乘积,可以使用a1.type_as(a2)将a1转换为a2同类型。
(2)CPU张量 ----> GPU张量
使用data.cuda()
(3)GPU张量 ----> CPU张量
使用data.cpu()
(4)Variable变量的转换为Tensor变量与Numpy Array
在早期的pytorch的版本中,variable变量和tenosr是不一样的数据格式,variable可以进行反向传播,tensor不可以,需要将variable转变成tensor再转变成numpy。现在的版本已经将variable和tenosr合并
- Variable变量转换成普通的Tensor,其实可以理解Variable为一个Wrapper,里面的data就是Tensor. 如果Var是Variable变量,使用Var.data获得Tensor变量
- V.data.numpy():先转换成张量Tensor(即V:Variable ),再由张量Tensor转换为Numpy中的Array
(5)Tensor与Numpy Array之间的转换
- Tensor---->Numpy 可以使用 data.numpy(),data为Tensor变量
- Numpy ----> Tensor 可以使用torch.from_numpy(data),data为numpy变量
————————————————
参考:https://blog.csdn.net/hustchenze/article/details/79154139