详解pytorch tensor和ndarray转换相关总结

Irisa ·

更新时间:2024-11-13

· 655 次阅读

在使用pytorch的时候，经常会涉及到两种数据格式tensor和ndarray之间的转换，这里总结一下两种格式的转换：

1. tensor cpu 和tensor gpu之间的转化：

tensor cpu 转为tensor gpu：
tensor_gpu = tensor_cpu.cuda()


>>> tensor_cpu = torch.ones((2,2))
tensor([[1., 1.],
    [1., 1.]])
>>> tensor_gpu = tensor_cpu.cuda()
tensor([[1., 1.],
    [1., 1.]], device='cuda:0')

tensor gpu 转为tensor cpu：
tensor_cpu = tensor_gpu.cuda()


>>> tensor_gpu.cpu()
tensor([[1., 1.],
    [1., 1.]])

2. tensor cpu 和 ndarray 之间的转化：

tensor cpu 转为 ndarray：


>>> np_array= tensor_cpu.numpy()
array([[1., 1.],
    [1., 1.]], dtype=float32)

ndarray 转为 tensor cpu：
注：ndarray的默认精度为64位，Tensor的默认精度位32位，所以通过Tensor直接转换的话，精度会转换到32位，若通过from_numpy的方式，则会保留原来64位精度


>>> torch.from_numpy(np.ones((2,2)))
tensor([[1., 1.],
    [1., 1.]], dtype=torch.float64)
>>> torch.Tensor(np.ones((2,2)))
tensor([[1., 1.],
    [1., 1.]])

3. tensor cpu 和 scalar 之间的转化：

如果只是训练了一个简单的分类网络，对单个样本的输出会是一个标量（scalar）


>>>torch.ones((1,1)).item()
1.0

通过一张图说明三者的转化方式：

到此这篇关于详解pytorch tensor和ndarray转换相关总结的文章就介绍到这了,更多相关pytorch tensor和ndarray转换内容请搜索软件开发网以前的文章或继续浏览下面的相关文章希望大家以后多多支持软件开发网！

您可能感兴趣的文章:Pytorch之Tensor和Numpy之间的转换的实现方法pytorch实现Tensor变量之间的转换pytorch 实现张量tensor,图片,CPU,GPU,数组等的转换pytorch 实现tensor与numpy数组转换pytorch: tensor类型的构建与相互转换实例

pytorch tensor

1024 个赞