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)