PyTorch（细节）知识点/坑总结

  持续更新中，先占个坑 : )

  该篇文章记录本人在科研与工程中运用PyTorch时遇到的一些（细节）知识点/坑。很多内容可能平时不太会注意，也可能在功能实现上没有任何影响，但是出于性能（内存利用与时间）的考虑，这些内容应该值得注意。

以下内容均默认已导入 PyTorch 和 NumPy：

import torch
import numpy as np

一、numpy.ndarray 转 torch.Tensor

1. from_numpy

  将 numpy.ndarray 转为 Tensor 有很多方法，torch.from_numpy 就是其中一个。根据官方文档可以知道，这个方法得到的 Tensor 是共享 numpy.ndarray 的内存的，也就是说改变其中一个的值也会改变另一个。

>>> a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
>>> a
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
>>> t = torch.from_numpy(a)
>>> t
tensor([[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]])
>>> a[0, 0] = 100
>>> a
array([[100,   2,   3],
       [  4,   5,   6],
       [  7,   8,   9]])
>