张量类型转换

一.前言

本章节我们来讲解张量的类型转换，掌握张量的转换方法，张量的类型转换也是经常使⽤的⼀种操作，是必须掌握的知识点。在本⼩节，我们主要学习如何将 numpy 数组和 PyTorch Tensor 的转化⽅法.

二.张量转换为 numpy 数组

使⽤ Tensor.numpy 函数可以将张量转换为 ndarray 数组，但是共享内存，可以使⽤ copy 函数避免共享。

import torch

# 1. 将张量转换为 numpy 数组
def test01():
    data_tensor = torch.tensor([2, 3, 4])
    # 使⽤张量对象中的 numpy 函数进⾏转换
    data_numpy = data_tensor.numpy()
    print(type(data_tensor))
    print(type(data_numpy))
    # 注意: data_tensor 和 data_numpy 共享内存
    # 修改其中的⼀个，另外⼀个也会发⽣改变
    # data_tensor[0] = 100
    data_numpy[0] = 100
    print(data_tensor)
    print(data_numpy)

if __name__ == '__main__':
    test01()

结果展示：

<class 'torch.Tensor'>
<class 'numpy.ndarray'>
tensor([100,   3,   4])
[100   3   4] 

三.numpy 转换为张量 

1. 使⽤ from_numpy 可以将 ndarray 数组转换为 Tensor，默认共享内存，使⽤ copy 函数避免共享。

2. 使⽤ torch.tensor 可以将 ndarray 数组转换为 Tensor，默认不共享内存。 

import torch
import numpy as np


# 1. 使⽤ from_numpy 函数
def test01():
    data_numpy = np.array([2, 3, 4])
    # 将 numpy 数组转换为张量类型
    # 1. from_numpy
    # 2. torch.tensor(ndarray)
    # 浅拷⻉
    data_tensor = torch.from_numpy(data_numpy)
    # nunpy 和 tensor 共享内存
    # data_numpy[0] = 100
    data_tensor[0] = 100
    print(data_tensor)
    print(data_numpy)

# 2. 使⽤ torch.tensor 函数
def test02():
    data_numpy = np.array([2, 3, 4])
    data_tensor = torch.tensor(data_numpy)
    # nunpy 和 tensor 不共享内存
    # data_numpy[0] = 100
    data_tensor[0] = 100
    print(data_tensor)
    print(data_numpy)

if __name__ == '__main__':
    test01()
    test02()

 结果展示：

tensor([100,   3,   4])
[100   3   4]
tensor([100,   3,   4])
[2 3 4]

四.标量张量和数字的转换 

对于只有⼀个元素的张量，使⽤ item ⽅法将该值从张量中提取出来。

import torch

# 3. 标量张量和数字的转换
def test03():
    # 当张量只包含⼀个元素时, 可以通过 item 函数提取出该值
    data = torch.tensor([30, ])
    print(data.item())
    data = torch.tensor(30)
    print(data.item())

if __name__ == '__main__':
    test03()

结果展示：

30
30 

五.总结

在本⼩节中, 我们主要学习了 numpy 和 tensor 互相转换的规则, 以及标量张量与数值之间的转换规则。