pytorch中tensor的类型

本文详细介绍了Torch库中定义的CPU和GPU两种环境下的七种和八种tensor类型,包括不同位宽的浮点数和整数类型。CPU tensor涵盖了从FloatTensor到LongTensor的各种精度,而GPU tensor则在浮点数中增加了HalfTensor,并同样提供了从ByteTensor到LongTensor的整数类型。了解这些类型对于高效利用GPU资源进行深度学习计算至关重要。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Torch定义了七种CPU tensor类型和八种GPU tensor类型:

CPU tensor
32-bit floating point: torch.FloatTensor
64-bit floating point: torch.DoubleTensor
8-bit integer (unsigned): torch.ByteTensor
8-bit integer (signed): torch.CharTensor
16-bit integer (signed) : torch.ShortTensor
32-bit integer (signed) : torch.IntTensor
64-bit integer (signed) : torch.LongTensor

GPU tensor
32-bit floating point: torch.cuda.FloatTensor
64-bit floating point: torch.cuda.DoubleTensor
16-bit floating point: torch.cuda.HalfTensor
8-bit integer (unsigned): torch.cuda.ByteTensor
8-bit integer (signed): torch.cuda.CharTensor
16-bit integer (signed) : torch.cuda.ShortTensor
32-bit integer (signed) : torch.cuda.IntTensor
64-bit integer (signed) : torch.cuda.LongTensor

torch.Tensor是默认类型torch.FloatTensor

### PyTorchTensor 类型转换方法 在 PyTorch 中,可以通过内置函数实现不同类型Tensor 转换。以下是常见的几种类型转换方式及其对应的代码示例。 #### 1. 整数类型到浮点类型 如果需要将 `torch.int64` 类型Tensor 转换为 `torch.float32` 类型,则可以调用 `.float()` 方法完成此操作[^1]: ```python import torch int_tensor = torch.tensor([1, 2, 3, 4], dtype=torch.int64) print(f"Original type: {int_tensor.dtype}") # 输出: Original type: torch.int64 float_tensor = int_tensor.float() print(f"Converted type: {float_tensor.dtype}") # 输出: Converted type: torch.float32 ``` #### 2. 浮点类型到整数类型 对于从 `torch.float32` 到 `torch.int64` 的转换,可使用 `.long()` 方法来执行向下取整并返回整数值: ```python float_tensor = torch.tensor([1.1, 2.5, 3.7, 4.0], dtype=torch.float32) print(f"Original type: {float_tensor.dtype}") # 输出: Original type: torch.float32 int_tensor = float_tensor.long() print(f"Converted type: {int_tensor.dtype}") # 输出: Converted type: torch.int64 ``` #### 3. Tensor 和 NumPy 数组之间的相互转换 当需要在 PyTorch Tensor 和 NumPy 数组间进行转换时,分别采用 `.numpy()` 函数以及 `torch.from_numpy()` 来处理[^3]: - **Tensor → NumPy** ```python tensor = torch.tensor([1, 2, 3, 4]) numpy_array = tensor.numpy() print(type(numpy_array)) # 输出: <class 'numpy.ndarray'> ``` - **NumPy → Tensor** ```python import numpy as np numpy_data = np.array([5, 6, 7, 8]) tensor = torch.from_numpy(numpy_data) print(type(tensor)) # 输出: <class 'torch.Tensor'> ``` 需要注意的是,在这两种形式下共享内存地址,因此修改其中一个对象会影响另一个对象的内容。 #### 4. 将 Tensor 转换成 Python 数据结构 为了进一步简化数据处理流程或者与其他库兼容,还可以通过特定目的函数把 Tensor 转化成更通用的数据格式: - **Tensor → List** ```python tensor = torch.tensor([[1, 2], [3, 4]]) list_data = tensor.tolist() print(list_data) # 输出: [[1, 2], [3, 4]] ``` - **单元素 Tensor → Scalar (标量)** ```python scalar_tensor = torch.tensor(42.) scalar_value = scalar_tensor.item() print(scalar_value) # 输出: 42.0 ``` 以上即是在 PyTorch 中针对 Tensor 进行不同类型转换的主要方法及其实现案例说明。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值