Pytorch資料型別與轉換(torch.tensor,torch.FloatTensor)

2023-02-24 06:00:45

Pytorch資料型別與轉換(torch.tensor,torch.FloatTensor)

之前遇到轉為tensor轉化為浮點型的問題，今天整理下，我只講幾個我常用的，如果有更好的方法，歡迎補充

一、torch.tensor

1.首先講下torch.tensor，預設整型資料型別為torch.int64，浮點型為torch.float32

2.這是我認為平常最愛用的轉資料型別的方法，可以用dtype去定義資料型別

二、torch.FloatTensor

1.這個函數不要亂用，首先它可以將變數轉化為浮點型32位元，這裡注意此時的變數型別為列表，或陣列等，此時引數為單個變數

2.當函數引數為整形時，表示生成矩陣的維度，此時引數可以為多個變數

補充：還有一種方法通過numpy陣列定義資料型別，再轉化為tensor，這個方法不多講了。

擴充套件：Pytorch資料型別轉換

1. Pytorch上的資料型別

Pytorch的型別可以分為CPU和GPU上的Tensor, 它們擁有的資料型別是基本上是一樣的：

tensor.FloatTensor
tensor.LongTensor
tensor.ByteTensor
tensor.CharTensor
tensor.ShortTensor
tensor.IntTensor
torch.LongTensor

其中torch.Tensor是預設的tensor.FloatTensor的簡稱。

2. 資料型別之間的轉換

tensor = torch.Tensor(3, 5)
## torch.long() 將tensor投射為long型別：
newtensor = torch.long()
## torch.int()將該tensor投射為int型別：
newtensor = torch.int()
## torch.double()將該tensor投射為double型別：
newtensor = torch.double()

一般，只要在Tensor後加long(), int(), double(), float(), byte()等函數就能將Tensor的型別進行轉換
除此之外，可以使用type()函數，data為Tensor資料型別，data.type()給出data的型別，如果使用data.type(torch.FloatTensor)則強制轉換為torch.FloatTensor型別的張量, 如果不知道什麼型別，可以使用tensor_1.type_as(tensor_2), 將tensor_1轉換成tensor_2。

self = torch.LongTensor(3, 5)
# 轉換為其他型別
print self.type(torch.FloatTensor)

3. cuda資料型別,cpu型別和一般的資料型別

如果沒有特別說明：tensor是cpu上的變數
使用gpu張量：tensor.cuda()
使用cpu張量：tensor.cpu()
Variable轉換成普通的Tensor: variable.data()
Tesnor轉換成numpy array的格式：tensor.numpy()
numpy資料轉換成Tensor: torch.from_numpy(np_data)
Tensor轉換成Variable: Variable(tensor)

Pytorch資料類似pytorch中的tensor, 更重要的是tensor可以使用GPU來加速，並且變成Variable可以實現自動求導的功能，Variable是對Tensor物件的封裝。

轉載連結：https://www.jianshu.com/p/eb7c6af28922

邏輯值True和False轉成0和1. +0

print(y)
print(y+0)
## 輸出結果
tensor([ True, False, False,  True,  True, False, False,  True,  True, False])
tensor([1, 0, 0, 1, 1, 0, 0, 1, 1, 0])

到此這篇關於Pytorch資料型別轉換(torch.tensor,torch.FloatTensor)的文章就介紹到這了,更多相關Pytorch資料型別轉換內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！

Pytorch資料型別與轉換(torch.tensor,torch.FloatTensor)

目錄