tensor中数据类型的相互转换

Pytorch中的Tensor常用的类型转换函数

1. tensor数据类型转换
   在tensor的后面添加: .int()、.float()、.double()等.
   同时也可以使用 　.to(type)　进行实现。
   同时也可以使用 type()函数 ,data为Tensor数据类型，data.type()为给出data的类型，如果使用data.type(torch.FloatTensor)则强制转换为torch.FloatTensor类型张量。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. tensor<–>numpy
   　Tensor---->Numpy 使用 tensor.numpy()，tensor为Tensor变量
   　Numpy ----> Tensor 使用 torch.from_numpy(data)，data为numpy变量
3. tensor<–>Python
   　Tensor ----> 单个Python数据，使用data.item()，data为Tensor变量且只能为包含单个数据
   　Tensor ----> Python list，使用data.tolist()，data为Tensor变量，返回shape相同的可嵌套的list
4. 数据存储位置转换
   CPU张量 ----> GPU张量，使用data.cuda()
   GPU张量 ----> CPU张量，使用data.cpu()

判断某个变量类型可以使用：isinstance(data,type)
例如：判断某个变量是否为张量

        if isinstance(rchannel,torch.Tensor):
                attens = torch.split(atten, rchannel.item()//self.radix, dim=1)
            else:
                attens = torch.split(atten, rchannel // self.radix, dim=1)

5)使用.shape以及.size()获得张量的形状时，比较不稳定，有时输出的形状元素是张量，有时是int型：例如：

  #第一种获得张量的形状，结果常为tensor,但是有时会转为int型的方法
  x_shape = list(x.size())
  batch, rchannel=x_shape[0],x_shape[1]
  #第二种获得张量的形状，结果常为tensor,但是有时会转为int型的方法
  batch, rchannel = x.shape[:2] #获得的值有时是张量有时是int，不稳定
  #解决方法
  if isinstance(rchannel,torch.Tensor):
       attens = torch.split(atten, rchannel.item()//self.radix, dim=1)
  else:
      　attens = torch.split(atten, rchannel // self.radix, dim=1)