pytorch如何实现Tensor变量之间的转换

这篇文章主要介绍了pytorch如何实现Tensor变量之间的转换，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

系统默认是torch.FloatTensor类型

data = torch.Tensor(2,3)是一个2*3的张量，类型为FloatTensor

data.cuda()就转换为GPU的张量类型，torch.cuda.FloatTensor类型

(1) CPU或GPU之间的张量转换

在Tensor后加long(), int(), double(),float(),byte()等函数就能将Tensor进行类型转换type()函数，

data为Tensor数据类型，data.type()为给出data的类型，

如果使用data.type(torch.FloatTensor)则强制转换为torch.FloatTensor类型张量

(2) CPU张量转化成GPU张量

data.cuda()

(3) GPU张量转化成CPU张量

data.cpu()

(4) Variable变量转换成普通的Tensor

Variable是一个Wrapper,装在里面的data是tensor，如果Var是Variable变量，使用Var.data获得Tensor变量

(5) Tensor与numpy array之间的转换

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

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

(6) 分别获取张量和数组的尺寸,注意size的使用

torch 张量

获取张量的尺寸 a.size()

numpy 数组

获取数组的尺寸 b.shape

获取数组中元素的个数: b.size (这里和张量中的属性的size的含义不同)

(7) 升维和降维的问题

unsqueeze(N)升维到第N维

squeeze(N)降维第N维

需要做如下操作:

x = x.unsqueeze(0) 假如x=(3,1080,1920) 操作后 x = (1,3,1080,1920)

降维也是做同样的操作

pytorch的优点

1.PyTorch是相当简洁且高效快速的框架；2.设计追求最少的封装；3.设计符合人类思维，它让用户尽可能地专注于实现自己的想法；4.与google的Tensorflow类似，FAIR的支持足以确保PyTorch获得持续的开发更新；5.PyTorch作者亲自维护的论坛 供用户交流和求教问题6.入门简单

感谢你能够认真阅读完这篇文章，希望小编分享的“pytorch如何实现Tensor变量之间的转换”这篇文章对大家有帮助，同时也希望大家多多支持本站，关注本站行业资讯频道，更多相关知识等着你来学习!