torch.FloatTensor()生成的数据类型dtype大小

最新推荐文章于 2025-04-12 20:33:03 发布

问啥啥不会但我可以学

最新推荐文章于 2025-04-12 20:33:03 发布

阅读量9.7k

点赞数 1

文章标签： pytorch 张量深度学习

本文链接：https://blog.youkuaiyun.com/mmmmzhuang/article/details/118022966

版权

该博客介绍了PyTorch中torch.FloatTensor()创建的张量数据类型，默认为32位浮点数，并提供了官网链接以查阅更多张量对应的数据类型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

结论

torch.FloatTensor()默认生成32位浮点数，dtype 为 torch.float32 或 torch.float

`验证`

     >>> tensor = torch.FloatTensor([[1,2],[3,4]])
     >>> print tensor
             tensor([[1., 2.],
             [3., 4.]])
     >>> print tensor.dtype    
             torch.float32

官网各类tensor对应数据类型如下：

https://pytorch.org/docs/stable/tensors.html?highlight=torch%20floattensor

Data type	dtype	CPU tensor	GPU tensor
32-bit floating point	`torch.float32` or `torch.float`	`torch.FloatTensor`	`torch.cuda.FloatTensor`
64

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

问啥啥不会但我可以学

关注关注

1
点赞
踩
20

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【冰糖Python】PyTorch： Tensor 张量属性及相关操作

冰糖的小屋

03-21

1521

torch.Tensor.item() 用于将单个值的 Tensor 转换为 Python 数字

【pyTorch基础】(1) 张量的数据类型

博观而约取，厚积而薄发

04-15

2294

最近想学一下图卷积GCN，教程竟然都是pyTorch的，作为一名重度TensorFlow用户太崩溃了，没办法只能学一波pyTorch了。首先在pyTorch中，一个张量（tensor）可能会被部署在CPU上，也可能被部署在GPU上。它们的数据类型是不同的。即使是同一个数据，被部署在不同位置，那么它的数据类型也是不一样的。数据类型如下： import torch ''' # pyTorch的数据类型 # -------------------------------------- # #（1）CUP上

参与评论您还未登录，请先登录后发表或查看评论

pytorch中Tensor的数据类型

moshiyaofei的博客

04-30

3万+

1. 32位浮点型：torch.FloatTensor a=torch.Tensor( [[2,3],[4,8],[7,9]], ) print "a:",a print "a.size():",a.size() print "a.dtype:",a.dtype b=torch.FloatTensor( [[2,3],[4,8],[7,9]] ) print "b:",b print "b....

Pytorch基本变量类型FloatTensor与Variable用法

09-18

今天小编就为大家分享一篇Pytorch基本变量类型FloatTensor与Variable用法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

详解PyTorch框架Tensor基础操作

热门推荐

weixin_36670529的博客

05-07

4万+

类型转换, 将list ,numpy转化为tensor。以list -> tensor为例： print(torch.FloatTensor([1,2])) # 输出: tensor([1., 2.]) 根据torch.Size()创建一个空tensor a = torch.tensor([[1, 2], [3, 4]]) print(torch.FloatTensor(a.si...

torch.FloatTensor

是鲤鱼啊

02-19

3万+

dtype = torch.float32到底有什么用

weixin_45794268的博客

04-21

2838

RuntimeError: expected scalar type Long but found Float

pytorch部分代码如下：class LDAMLoss(nn.Module): def init(self, cls_num_list, max_m=0.5, weight=None, s=30): super(LDAMLoss, self).init() m_list = 1.0 / np.sqrt(np.sqrt(cls_num_list)) m_list = m_list * (max_m / np.max(m_list)) m_list = torch.cuda.FloatTensor(m_list) self.m_list = m_list assert s > 0 self.s = s # self.weight = weight if weight is not None: weight = torch.FloatTensor(weight).cuda() self.weight = weight self.cls_num_list = cls_num_list def forward(self, x, target): index = torch.zeros_like(x, dtype=torch.uint8) index_float = index.type(torch.cuda.FloatTensor) batch_m = torch.matmul(self.m_list[None, :], index_float.transpose(0,1)) # 0,1 batch_m = batch_m.view((x.size(0), 1)) # size=(batch_size, 1) (-1,1) x_m = x - batch_m output = torch.where(index, x_m, x) # return F.cross_entropy(self.s*output, target, weight=self.weight) if self.weight is not None: output = output * self.weight[None, :] target = torch.flatten(target) # 将 target 转换成 1D Tensor logit = output * self.s return F.cross_entropy(logit, target, weight=self.weight) for batch_idx, (data, target) in enumerate(train_loader): data, target = data.to(device, non_blocking=True), Variable(target).to(device,non_blocking=True) # 3、将数据输入mixup_fn生成mixup数据 samples, targets = mixup_fn(data, target) # 4、将上一步生成的数据输入model，输出预测结果，再计算loss output = model(samples) # 5、梯度清零（将loss关于weight的导数变成0） optimizer.zero_grad() loss = criterion_train(output, targets) # 6、若使用混合精度 if use_amp: with torch.cuda.amp.autocast(): # 开启混合精度 # loss = torch.nan_to_num(criterion_train(output, target_a, target_b, lam)) # 计算loss # loss = lam * criterion_train(output, target_a) + (1 - lam) * criterion_train(output, target_b) # 计算 mixup 后的损失函数 scaler.scale(loss).backward() # 梯度放大 torch.nn.utils.clip_grad_norm_(model.parameters(), CLIP_GRAD) # 梯度裁剪，防止梯度爆炸 scaler.step(optimizer) # 更新下一次迭代的scaler scaler.update() # 否则，直接反向传播求梯度 else: # loss = criterion_train(output, targets) loss.backward() torch.nn.utils.clip_grad_norm_(model.parameters(), CLIP_GRAD) optimizer.step() 报错：) File "/home/adminis/hpy/ConvNextV2_Demo/models/losses.py", line 48, in forward output = torch.where(index, x_m, x) RuntimeError: expected scalar type float but found c10::Half

05-30

可以尝试将 `index` 和 `index_float` 的数据类型都指定为 `torch.cuda.FloatTensor`。修改代码如下： ```python index = torch.zeros_like(x, dtype=torch.uint8).cuda() index_float = index.type(torch.cuda....

[pytorch] torch.onnx.export 使用及自定义层构建

头狼博客

07-14

1840

构建pytorch转onnx的自定义层

【学习笔记】 pytorch的使用语法和代码实例

qq_41358574的博客

03-03

685

数据类型 ( 1) torch.FloatTensor ：用于生成数据类型为浮点型的Tensor ，传递给torch.FloatTensor的参数可以是一个列表，也可以是一个维度值。 torch.randn ：用于生成数据类型为浮点型且维度指定的随机Tensor ，和在N umPy中使用numpy . randn 生成随机数的方法类似，随机生成的浮点数的取值满足均值为0 、方差为1 的正态分布 torch.clamp ：对输入参数按照自定义的范围进行裁剪，最后将参数裁剪的结果作为输出。所以输入参数一共

pytorch根据tensor.Size 创建tensor-----torch.FloatTensor()

qq_29007291的博客

12-27

1万+

python中tensor与variable_Pytorch基本变量类型FloatTensor与Variable用法

weixin_39597323的博客

12-06

388

pytorch中基本的变量类型当属FloatTensor(以下都用floattensor)，而Variable(以下都用variable)是floattensor的封装，除了包含floattensor还包含有梯度信息pytorch中的dochi给出一些对于floattensor的基本的操作，比如四则运算以及平方等(链接)，这些操作对于floattensor是十分的不友好，有时候需要写一个正则化的项...

torch.FloatTensor和torch.Tensor、torch.tensor

James_bobo的博客

04-23

8709

在Pytorch中，Tensor和tensor都用于生成新的张量。 a = torch.Tensor([1, 2]) # tensor([1., 2.]) a=torch.tensor([1,2]) # tensor([1, 2]) torch.Tensor()是Python类，更明确的说，是默认张量类型torch.FloatTensor()的别名，torch.Tensor([1,2]) 会调用Tensor类的构造函数__init__，生成单精度浮点类型的张量。 a=torch.Tensor([1,2])

torch.FloatTensor Variable

萝卜的博客

12-07

8916

import torch from torch.autograd import Variable imgL = Variable(torch.FloatTensor(imgL)) imgR = Variable(torch.FloatTensor(imgR)) disp_L = Variable(torch.FloatTensor(disp_L)) 1.数据计算 Tor...

Pytorch基本变量类型FloatTensor与Variable

u013517182的博客

12-29

3470

pytorch中基本的变量类型当属FloatTensor（以下都用floattensor），而Variable（以下都用variable）是floattensor的封装，除了包含floattensor还包含有梯度信息 pytorch中的dochi给出一些对于floattensor的基本的操作，比如四则运算以及平方等(链接)，这些操作对于floattensor是十分的不友好，有时候需要写一个正则化...

【Pytorch基础(1)】pytorch的基本数据类型：张量

lingchen1906的博客

11-19

2224

PyTorch 于 2016 年首次推出。在 PyTorch 之前，深度学习框架通常专注于速度或可用性，但不能同时关注两者。PyTorch将这两者相结合，提供了一种命令式和 Python编程风格，支持将代码作为模型，使调试变得容易，支持 GPU 等硬件加速器。PyTorch 是一个 Python 库，它通过自动微分和 GPU 加速执行动态张量计算。它的大部分核心都是用 C++ 编写的，这也是 PyTorch 与其他框架相比可以实现低得多的开销的主要原因之一。

torch.FloatTensor,torch.Tensor,torch.tensor,torch.as_tensor,torch.from_numpy的区别与连系总结

m0_59156726的博客

09-25

351

torch.FloatTensor: 类，深copy。可更改类型，devicetorch.Tensor: 同torch.FloatTensortorch.tensor: 函数，深copy。可更改类型，devicetorch.as_tensor: 函数，浅copy。不可更改类型，devicetorch.from_numpy: 函数，浅copy。不可更改类型，device共同点：最终都创建一个torch.Tensor对象。