PyTorch(一)--一个程序说明numpy与Tensor的转换与他们的相互引用关系

最新推荐文章于 2024-04-29 23:30:18 发布

原创最新推荐文章于 2024-04-29 23:30:18 发布 · 286 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#PyTorch #Tensor与numpy转换

PyTorch 专栏收录该内容

3 篇文章

订阅专栏

本文详细探讨了NumPy与PyTorch之间的数据转换与共享机制，包括使用from_numpy方法创建张量，以及如何在两者之间共享数据的变化。通过实例演示了浅拷贝与深拷贝的区别，以及数据更新时的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
import torch
a = np.ones(5)
b = torch.from_numpy(a)# 使用from_numpy方法，Tensor只会指向numpy数据
a_ = b.numpy() # a_使用Tensor中的数据
"""
a = np.add(a,1) #只是将a中保存的指针指向新计算好的数据上去
print(a) #[2,2,2,2,2]
print(b)  #[1,1,1,1,1]
print(a_)  #[1,1,1,1,1]
"""
"""
np.add(a, 1, out=a) #改变了a指向的数据
print(a) #[2,2,2,2,2]
print(b) #[2,2,2,2,2]
print(a_) #[2,2,2,2,2]
"""

m=np.ones(5)
n=torch.Tensor(m) #Tensor重新创建数据,深复制
n_=n.numpy() #n_指向Tensor中的数据

m[0]=2
print(m) #[2,1,1,1,1]
print(n)  #[1,1,1,1,1] Tensor没有变化
print(n_) #[1,1,1,1,1]

n[1]=2
print(m) #[2,1,1,1,1] m没有变化
print(n) #[1,2,1,1,1]
print(n_) #[1,2,1,1,1] n_变化