pytorch tensor和ndarray转换 详解pytorch tensor和ndarray转换相关总结
再困也得吃 人气:0想了解详解pytorch tensor和ndarray转换相关总结的相关内容吗,再困也得吃在本文为您仔细讲解pytorch tensor和ndarray转换的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:pytorch,tensor,ndarray转换,pytorch,tensor,ndarray,下面大家一起来学习吧。
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:
加载全部内容