我們很容易用 numpy() 和 from_numpy() 將 Tensor 和NumPy中的數(shù)組相互轉(zhuǎn)換。

但是需要注意的點(diǎn)是： 這兩個(gè)函數(shù)所產(chǎn)?生的的 Tensor 和NumPy中的數(shù)組共享相同的內(nèi)存（所以他們之間的轉(zhuǎn)換很快），改變其中?個(gè)時(shí)另?個(gè)也會(huì)改變?。?！

還有一個(gè)常用的將NumPy中的array轉(zhuǎn)換成 Tensor 的方法就是 torch.tensor() , 需要注意的
是，此方法總是會(huì)進(jìn)行數(shù)據(jù)拷貝（就會(huì)消耗更多的時(shí)間和空間），所以返回的 Tensor 和原來(lái)的數(shù)據(jù)不再共享內(nèi)存。

Tensor轉(zhuǎn)NumPy

使用numpy()將 Tensor 轉(zhuǎn)換成NumPy數(shù)組:

a = torch.ones(5)
b = a.numpy()
print(a, b)
a += 1
print(a, b)
b += 1
print(a, b)

輸出為：

tensor([1., 1., 1., 1., 1.]) [1. 1. 1. 1. 1.]
tensor([2., 2., 2., 2., 2.]) [2. 2. 2. 2. 2.]
tensor([3., 3., 3., 3., 3.]) [3. 3. 3. 3. 3.]

NumPy數(shù)組轉(zhuǎn) Tensor

通過(guò)使用 from_numpy() 將NumPy數(shù)組轉(zhuǎn)換成 Tensor :

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
print(a, b)
a += 1
print(a, b)
b += 1
print(a, b)

[1. 1. 1. 1. 1.] tensor([1., 1., 1., 1., 1.], dtype=torch.float64)
[2. 2. 2. 2. 2.] tensor([2., 2., 2., 2., 2.], dtype=torch.float64)
[3. 3. 3. 3. 3.] tensor([3., 3., 3., 3., 3.], dtype=torch.float64)

所有在CPU上的 Tensor （除了 CharTensor ）都支持與NumPy數(shù)組相互轉(zhuǎn)換。

此外上面我們提到還有一個(gè)常用的方法就是直接用 torch.tensor() 將NumPy數(shù)組轉(zhuǎn)換成 Tensor ，需要
注意的是該方法總是會(huì)進(jìn)行數(shù)據(jù)拷貝，返回的 Tensor 和原來(lái)的數(shù)據(jù)不再共享內(nèi)存。

c = torch.tensor(a)
a += 1
print(a, c)

輸出為：

[4. 4. 4. 4. 4.] tensor([3., 3., 3., 3., 3.], dtype=torch.float64)

到此這篇關(guān)于Tensor和NumPy相互轉(zhuǎn)換的方法的文章就介紹到這了,更多相關(guān)Tensor和NumPy相互轉(zhuǎn)換內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論