PyTorch入门教程：Numpy到PyTorch的数据转换与运算-优快云博客

本文链接：https://blog.youkuaiyun.com/csdn_wmk/article/details/110798256

这篇博客是基于莫烦Python的视频学习笔记，介绍了如何将Numpy数据转换为PyTorch张量，并探讨了PyTorch中数据的运算，包括绝对值、sin值和矩阵相乘。文章提到了在使用dot函数时要注意PyTorch 0.3之后的变化，只适用于1维张量的点乘运算。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

莫烦python视频学习笔记视频链接https://www.bilibili.com/video/BV1Vx411j7kT?from=search&seid=3065687802317837578

1、Numpy与Pytorch的数据转换

import torch
import numpy as np

np_data = np.arange(6).reshape((2,3))
torch_data = torch.from_numpy(np_data)      # numpy数据转换为torch数据
tensor2array = torch_data.numpy()           # 再转换成numpy数据
print('\nnumpy:', np_data)
print('\ntorch:', torch_data)
print('\n', tensor2array)

输出：

numpy: [[0 1 2]
 [3 4 5]]
 
torch: tensor([[0, 1, 2],
        [3, 4, 5]], dtype=torch.int32)

 [[0 1 2]
 [3 4 5]]

2、Numpy与Pytorch的数据的运算
（1）绝对值

# abs
data = [-1, -2, 1, 2]
tensor = torch.FloatTensor(data)
print('\nnumpy:', np.abs(data),
      '\ntorch:', torch.abs(tensor))

输出：

numpy: [1 2 1 2] 
torch: tensor([1., 2., 1., 2.]

（2）sin值

# sin
data = [-1, -2, 1, 2]
tensor = torch.FloatTensor(data)
print('\nnumpy:', np.sin(data),
     '\ntorch:', torch.sin(tensor))

输出：

numpy: [-0.84147098 -0.90929743  0.84147098  0.90929743] 
torch: tensor([-0.8415, -0.9093,  0.8415,  0.9093])

（3）矩阵相乘

# 矩阵相乘
data = [[1, -2], [3, 2]]
tensor = torch.FloatTensor(data)
print('\nnumpy:', np.matmul(data,data),
     '\ntorch:', torch.mm(tensor,tensor))

输出：

numpy: [[-5 -6]
 [ 9 -2]] 
torch: tensor([[-5., -6.],
        [ 9., -2.]])

用dot处理矩阵相乘

# 矩阵相乘
data = [[1, 2],[3,4]]
data = np.array(data)
print('\nnumpy:', data.dot(data))

输出：

numpy: [[ 7 10]
 [15 22]]

data =[[3,2],[3,4]]
tensor = torch.FloatTensor(data)
print('\ntorch:', tensor.dot(tensor))

此时会报错，因为这是由于在pytorch0.3之后，tensor.dot()方法进行了更新，只能对1维的tensor进行点成运算。所以只要检查一下自己输入的tensor是否为1维。

# 矩阵相乘
data =[3,2]
tensor = torch.FloatTensor(data)
print('\ntorch:', tensor.dot(tensor))

输出：

torch: tensor(13.)

Pytorch学习（一）