Numpy 还是 PyTorch？张量与 Numpy 的神奇转换技巧

系列文章目录

Pytorch基础篇

01-PyTorch新手必看：张量是什么？5 分钟教你快速创建张量！
02-张量运算真简单！PyTorch 数值计算操作完全指南
03-Numpy 还是 PyTorch？张量与 Numpy 的神奇转换技巧
04-揭秘数据处理神器：PyTorch 张量拼接与拆分实用技巧
05-深度学习从索引开始：PyTorch 张量索引与切片最全解析
06-张量形状任意改！PyTorch reshape、transpose 操作超详细教程
07-深入解读 PyTorch 张量运算：6 大核心函数全面解析，代码示例一步到位！
08-自动微分到底有多强？PyTorch 自动求导机制深度解析

Pytorch实战篇

09-从零手写线性回归模型：PyTorch 实现深度学习入门教程
10-PyTorch 框架实现线性回归：从数据预处理到模型训练全流程
11-PyTorch 框架实现逻辑回归：从数据预处理到模型训练全流程
12-PyTorch 框架实现多层感知机（MLP）：手写数字分类全流程详解

---

---

前言

在深度学习中，经常需要在 PyTorch 张量和 NumPy 数组之间进行转换。PyTorch 提供了方便的 API，可以在两者之间高效地相互转换。需要注意的是，这些转换可能会共享内存，必要时可以通过深拷贝的方式避免共享内存导致的潜在问题。

---

一、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。默认情况下，两者共享内存，修改其中一个会影响另一个。如果不希望共享内存，可以使用深拷贝。

1.1 示例代码

import torch

# 1. 将张量转换为 NumPy 数组
def example01():

    data_tensor = torch.tensor([5, 6, 7])
    # 使用张量对象中的 numpy 函数进行转换
    data_numpy = data_tensor.numpy()

    print("张量类型：", type(data_tensor))
    print("NumPy 类型：", type