關(guān)于torch中tensor數(shù)據(jù)類型的轉(zhuǎn)換
torch中tensor數(shù)據(jù)類型轉(zhuǎn)換
轉(zhuǎn)換為float32類型:
points = points.type(torch.float32)
讀取torch.Tensor數(shù)據(jù)類型
最近弄一下yolov5的detect.py,想提取一下檢測數(shù)據(jù),記錄
a = torch.tensor(4., device='cuda:0') print(a.item(), a.dtype, a.data, a.int()) ''' 輸出: 4.0 torch.float32 tensor(4., device='cuda:0') tensor(4, device='cuda:0', dtype=torch.int32) ********************************************* a.item() 輸出里面的數(shù)字(yolo中即代表class的下標(biāo)) a.dtype 輸出數(shù)據(jù)類型 a.data 輸出當(dāng)前的數(shù)據(jù),同print(a) a.int() 數(shù)據(jù)類型轉(zhuǎn)換成整型 '''
torch.Tensor 類型,具體 data 為 tensor(1., device=‘cuda:0’)
跳轉(zhuǎn)看一下類型的定義(ctrl+點擊tensor)
a = torch.tensor()
可以看到定義是
def tensor(data: Any, dtype: Optional[_dtype]=None, device: Union[_device, str, None]=None, requires_grad: _bool=False) -> Tensor: ...
以上為個人經(jīng)驗,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
Flask框架的學(xué)習(xí)指南之開發(fā)環(huán)境搭建
本文是Flask框架的學(xué)習(xí)指南系列文章的第一篇,主要給大家講述的是開發(fā)環(huán)境的搭建工作,有需要的小伙伴可以參考下2016-11-11python的print輸出在控制臺并且將輸出內(nèi)容保存為文件(最新推薦)
這篇文章主要介紹了python的print輸出在控制臺并且將輸出內(nèi)容保存為文件,我感覺就是類似于重寫一下調(diào)用print的時候執(zhí)行的方法,讓他既能夠在控制臺輸出,也能保存到文件里去,需要的朋友可以參考下2023-01-01Python使用 Beanstalkd 做異步任務(wù)處理的方法
這篇文章主要介紹了Python使用 Beanstalkd 做異步任務(wù)處理的方法,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧2018-04-04Python3.5 Json與pickle實現(xiàn)數(shù)據(jù)序列化與反序列化操作示例
這篇文章主要介紹了Python3.5 Json與pickle實現(xiàn)數(shù)據(jù)序列化與反序列化操作,結(jié)合實例形式分析了Python3.5使用Json與pickle模塊實現(xiàn)json格式數(shù)據(jù)的序列化及反序列化操作相關(guān)步驟與注意事項,需要的朋友可以參考下2019-04-04