詳解pytorch tensor和ndarray轉(zhuǎn)換相關(guān)總結(jié)
在使用pytorch的時(shí)候，經(jīng)常會(huì)涉及到兩種數(shù)據(jù)格式tensor和ndarray之間的轉(zhuǎn)換，這里總結(jié)一下兩種格式的轉(zhuǎn)換：
1. tensor cpu 和tensor gpu之間的轉(zhuǎn)化：
tensor cpu 轉(zhuǎn)為tensor gpu：
tensor_gpu = tensor_cpu.cuda()
>>> tensor_cpu = torch.ones((2,2))
tensor([[1., 1.],
[1., 1.]])
>>> tensor_gpu = tensor_cpu.cuda()
tensor([[1., 1.],
[1., 1.]], device='cuda:0')
tensor gpu 轉(zhuǎn)為tensor cpu：
tensor_cpu = tensor_gpu.cuda()
>>> tensor_gpu.cpu()
tensor([[1., 1.],
[1., 1.]])
2. tensor cpu 和 ndarray 之間的轉(zhuǎn)化：
tensor cpu 轉(zhuǎn)為 ndarray：
>>> np_array= tensor_cpu.numpy()
array([[1., 1.],
[1., 1.]], dtype=float32)
ndarray 轉(zhuǎn)為 tensor cpu：
注：ndarray的默認(rèn)精度為64位，Tensor的默認(rèn)精度位32位，所以通過(guò)Tensor直接轉(zhuǎn)換的話，精度會(huì)轉(zhuǎn)換到32位，若通過(guò)from_numpy的方式，則會(huì)保留原來(lái)64位精度
>>> torch.from_numpy(np.ones((2,2)))
tensor([[1., 1.],
[1., 1.]], dtype=torch.float64)
>>> torch.Tensor(np.ones((2,2)))
tensor([[1., 1.],
[1., 1.]])
3. tensor cpu 和 scalar 之間的轉(zhuǎn)化：
如果只是訓(xùn)練了一個(gè)簡(jiǎn)單的分類網(wǎng)絡(luò)，對(duì)單個(gè)樣本的輸出會(huì)是一個(gè)標(biāo)量（scalar）
>>>torch.ones((1,1)).item() 1.0
通過(guò)一張圖說(shuō)明三者的轉(zhuǎn)化方式：
到此這篇關(guān)于詳解pytorch tensor和ndarray轉(zhuǎn)換相關(guān)總結(jié)的文章就介紹到這了,更多相關(guān)pytorch tensor和ndarray轉(zhuǎn)換內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
本文主要介紹了詳解Python不同版本之間的切換方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03
以文檔處理為例講解豆包API調(diào)用教程(Python)
這篇文章主要介紹了如何在Linux服務(wù)器上配置和使用豆包大模型的API,通過(guò)API處理200萬(wàn)字的文檔,展現(xiàn)了技術(shù)的發(fā)展和應(yīng)用,需要的朋友可以參考下2025-01-01
python中對(duì)開(kāi)區(qū)間和閉區(qū)間的理解
這篇文章主要介紹了python中對(duì)開(kāi)區(qū)間和閉區(qū)間的理解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-07-07
Django?ORM?事務(wù)和查詢優(yōu)化的操作方法
這篇文章主要介紹了Django?ORM?事務(wù)和查詢優(yōu)化,包括事務(wù)操作、ORM 惰性查詢及only與defer相關(guān)知識(shí)，本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2022-09-09
Python使用Windows API創(chuàng)建窗口示例【基于win32gui模塊】
這篇文章主要介紹了Python使用Windows API創(chuàng)建窗口操作,結(jié)合實(shí)例形式分析了Python基于win32gui模塊調(diào)用Windows API創(chuàng)建窗口具體操作步驟與相關(guān)實(shí)現(xiàn)技巧,需要的朋友可以參考下2018-05-05
這篇文章主要介紹了python中的二維列表實(shí)例詳解,文中給大家介紹了python 二維列表按列取元素的方法，需要的朋友可以參考下2018-06-06
如何使用python的plot繪制loss、acc曲線并存儲(chǔ)成圖片
在數(shù)據(jù)可視化中曲線圖是一種常見(jiàn)的展示數(shù)據(jù)趨勢(shì)的方式,Python作為一種強(qiáng)大的編程語(yǔ)言,提供了豐富的數(shù)據(jù)處理和可視化庫(kù),使得繪制曲線圖變得非常簡(jiǎn)單,下面這篇文章主要給大家介紹了關(guān)于如何使用python的plot繪制loss、acc曲線并存儲(chǔ)成圖片的相關(guān)資料,需要的朋友可以參考下2024-03-03
python函數(shù)的萬(wàn)能參數(shù)傳參詳解
這篇文章主要介紹了python函數(shù)的萬(wàn)能參數(shù)傳參詳解,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-07-07
這篇文章主要介紹了Python?Pandas的concat合并，文章圍繞主題展開(kāi)詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的小伙伴可以參考一下2022-08-08
這篇文章主要給大家介紹了關(guān)于yolov5返回坐標(biāo)的相關(guān)資料,文中通過(guò)實(shí)例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2022-03-03