pytorch学习的一点小窍门（1）-数据转换

最近几天，由于要复现一篇论文，但是论文中的公式太过复杂，层层嵌套，本人表示无法求出导数来，遂决定借助框架的力量来进行操作，尝试过tensorflow,但是其静态图的模式调试起来过于麻烦，不利于随时随地取出数据来验证，于是开始转攻pytorch，用来一段时间，感觉真的很好用，但是在编写过程中也遇到很多的坑，于是决定将这些坑分享出来，以待后来人。

pytorch和tensorflow一样的一点在于他们接受的能够处理的数据类型是张量，将我们在python中常用的list,array等数据类型转换为张量是使用框架至关重要的一部，如果你连合格的数据都提供不了，就不用说接下来的学习了，下面贴出python常用类型与张量tensor之间的互换函数：

Tensor---->Numpy  可以使用 data.numpy()，data为Tensor变量

Numpy ----> Tensor 可以使用torch.from_numpy(data)，data为numpy变量

如果遇到类型为list的数据可以先转换为array类型的再用torch.from_numpy转换为tensor类型

# torch. long () 将tensor投射为 long 类型

long_tensor = tensor. long ()print(long_tensor)

# torch.half()将tensor投射为半精度浮点类型

half_tensor = tensor.half()print(half_tensor)

# torch.int()将该tensor投射为int类型

int_tensor = tensor. int ()print(int_tensor)

# torch.double()将该tensor投射为double类型

double_tensor = tensor. double ()print(double_tensor)

# torch.float()将该tensor投射为float类型

float_tensor = tensor. float ()print(float_tensor)

# torch.char()将该tensor投射为char类型

char_tensor = tensor. char ()print(char_tensor)

# torch.byte()将该tensor投射为byte类型

byte_tensor = tensor. byte ()print(byte_tensor)

# torch.short()将该tensor投射为short类型

short_tensor = tensor. short ()print(short_tensor)