pytorch学习笔记（2）

桥接NumPy

将一个Torch张量转换为一个NumPy数组是轻而易举的事情，反之亦然。
Torch张量和NumPy数组将共享他们的底层内存位置，因此当一个改变时，另外也会改变

将Torch的Tensor转化为NumPy数组

输入：

a = torch.ones(5)
print(a)
tensor([1,1,1,1,1])
b = a.numpy()
print(b)
[1,1,1,1,1,]

看NumPy数组是如何改变里面的值得：

a.add_(1)
print(a)
print(b)
tensor([2., 2., 2., 2., 2.])
[2. 2. 2. 2. 2.]

将NumPy数组转化为Torch张量

看改变NumPy数组是如何自动改变Torch张量的：

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a,1,out=a)
print(a)
print(b)
[2. 2. 2. 2. 2.]
tensor([2., 2., 2., 2., 2.], dtype=torch.float64)

CPU上的所有张量（CharTensor除外）都支持与NumPy的互相转换。

CUDA上的张量

张量可以使用.to方法移动到任何设备（device）上：

# 当GPU可用时,我们可以运行以下代码
# 我们将使用`torch.device`来将tensor移入和移出GPU
if torch.cuda.is_available():
    device = torch.device("cuda")          # a CUDA device object
    y = torch.ones_like(x, device=device)  # 直接在GPU上创建tensor
    x = x.to(device)                       # 或者使用`.to("cuda")`方法
    z = x + y
    print(z)
    print(z.to("cpu", torch.double))       # `.to`也能在移动时改变dtype
    tensor([1.0445], device='cuda:0')
tensor([1.0445], dtype=torch.float64)