pytorch: 学习笔记2.1：pytorch中的变量及 tensor(requires_grad=True)转为numpy

漫索之路

于 2020-08-04 21:23:24 发布

阅读量1.3k

点赞数

分类专栏： pytorch 文章标签： python

本文链接：https://blog.youkuaiyun.com/qq757056521/article/details/107784687

版权

pytorch 专栏收录该内容

13 篇文章

订阅专栏

本文详细介绍了PyTorch中Tensor转换为NumPy数组的方法，特别关注requires_grad属性的作用，以及如何在不同情况下进行转换。同时，深入探讨了PyTorch中Variable的概念，包括其.data、.grad和.grad_fn属性的使用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1，pytorch的tensor转为numpy
2，pytorch中的变量Variable

# 1, tensor转为numpy
# requires_grad=True 时，不可以将tensor直接转为numpy； 需要 x(tensor).detach().numpy()
# requires_grad=False 时，可以将tensor直接转为numpy
import torch
from torch.autograd import Variable

x1 = torch.arange(-8.0, 8.0, 1, requires_grad=False)  # requires_grad 默认值为False
print(x1.numpy())  # [-8. -7. -6. -5. -4. -3. -2. -1.  0.  1.  2.  3.  4.  5.  6.  7.]

x2 = torch.arange(-8.0, 8.0, 1, requires_grad=True)
print(x2.detach().numpy())  # [-8. -7. -6. -5. -4. -3. -2. -1.  0.  1.  2.  3.  4.  5.  6.  7.]


# 2, 变量
# pytorch中的变量有 .data & .grad & .grad_fn三个属性
# 定义变量
v1 = Variable(x1, requires_grad=True)
v2 = Variable(x2)
v3 = v1 + v2
# print(variable)
print(v3.data)  # 取出tensor数据
print(v3.grad)  # 求梯度
print(v3.grad_fn)  # 该属性表示此Tensor是不是通过某些运算得到的
# tensor([-16., -14., -12., -10.,  -8.,  -6.,  -4.,  -2.,   0.,   2.,   4.,   6.,
#           8.,  10.,  12.,  14.])
# None
# <AddBackward0 object at 0x000001A2F46E4D88>