Pytorch中如何实现Tensor与Numpy数据类型之间的互转？

本文共计429个文字，预计阅读时间需要2分钟。

为什么需要相互转换：

1.要对tensor进行操作，需要先启动一个Session，否则我们无法对tensor如常量重新赋值或进行一些判断操作。例如，如果将tensor转换成numpy数组，那么就可以更好地处理了。

为什么要相互转换：

1. 要对tensor进行操作，需要先启动一个Session,否则，我们无法对一个tensor比如一个tensor常量重新赋值或是做一些判断操作，所以如果将它转化为numpy数组就好处理了。下面一个小程序讲述了将tensor转化为numpy数组，以及又重新还原为tensor：

2. Torch的Tensor和numpy的array会共享他们的存储空间，修改一个会导致另外的一个也被修改。

学习链接：github.com/chenyuntc/pytorch-book

特别提醒[注意Tensor大小写]

1. 最重要的区别t.Tensor和t.tensor：不论输入的类型是什么，t.tensor()都会进行数据拷贝，不会共享内存；t.Tensor()与Numpy共享内存，但当Numpy的数据类型和Tensor的类型不一样的时候，数据会被复制，不会共享内存。
2. 可使用t.from_numpy()或者t.detach()将Numpy转为Tensor，与原Numpy数据共享内存。

附上实验证明

常规转换：使用t.from_numpy()将Numpy转为Tensor，使用torch.numpy()将Tensor转为Numpy

需要注意的情况：使用t.Tensor()进行转换，发现Numpy的数据类型和Tensor的类型一致，因此共享内存

需要注意的情况：使用t.Tensor()进行转换，发现Numpy的数据类型和Tensor的类型不一致，因此b与a不共享内存

需要注意的情况：使用t.tensor()进行转换，只进行数据拷贝，不会共享内存

到此这篇关于Pytorch之Tensor和Numpy之间的转换的实现方法的文章就介绍到这了,更多相关Pytorch Tensor和Numpy转换内容请搜索易盾网络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易盾网络！