pytorch数据类型转换

最新推荐文章于 2025-01-15 11:20:35 发布

原创最新推荐文章于 2025-01-15 11:20:35 发布 · 1.9k 阅读

1 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

深度学习

当前文章被收录于：

深度学习

23 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

本文详细介绍了PyTorch中张量的基本操作方法，包括Variable与Tensor的区别、Tensor与NumPy数组之间的转换、Tensor在GPU与CPU间的迁移、不同类型的Tensor相互转换的方法以及在类型未知情况下的处理技巧。

1.variable与tensor
variable里边的data就是tensor类型，即var.data()
2.tensor与numpy array
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
3.gpu与cpu
CPU张量 —-> GPU张量, 使用data.cuda()
GPU张量 —-> CPU张量使用data.cpu()
4.tensor间
一般系统默认是torch.FloatTensor类型，例如data = torch.Tensor(2,3)是一个2*3的张量，类型为FloatTensor
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的类型，如果使用data.type(torch.FloatTensor)则强制转换为torch.FloatTensor类型张量。
5.不知道什么类型
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。