什么是Pytorch - Pytorch入门笔记2

NumPy桥

将Torch Tensor 转换为NumPy数组，反之亦然，均轻而易举。

Torch Tensor 和 NumPy 数组将共享其基础内存位置（如果Torch Tensor在CPU上），并且更改一个将更改另一个。

将 Tensor 张量转换为NumPy数组

a = torch.ones(5)
print(a)

得到：

tensor([1., 1., 1., 1., 1.])

b = a.numpy()
print(b)

得到：

[1. 1. 1. 1. 1.]

查看numpy数组的值如何变化。

a.add_(1)
print(a)
print(b)

得到：

tensor([2., 2., 2., 2., 2.])
[2. 2. 2. 2. 2.]

将NumPy数组转换为Torch张量

查看更改np数组如何自动更改 Torch Tensor

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b)

得到：

[2. 2. 2. 2. 2.]
tensor([2., 2., 2., 2., 2.], dtype=torch.float64)

除了CharTensor之外，CPU上的所有张量都支持转换为NumPy并返回。

CUDA张量

使用该.to方法可以将张量移动到任何设备上。

# let us run this cell only if CUDA is available
# We will use ``torch.device`` objects to move tensors in and out of GPU
if torch.cuda.is_available():
    device = torch.device("cuda")          # a CUDA device object
    y = torch.ones_like(x, device=device)  # directly create a tensor on GPU
    x = x.to(device)                       # or just use strings ``.to("cuda")``
    z = x + y
    print(z)
    print(z.to("cpu", torch.double))       # ``.to`` can also change dtype together!

得到：

tensor([-1.0408], device='cuda:0')
tensor([-1.0408], dtype=torch.float64)