Pytorch中tensor与ndarray类型转换及标量转换

tensor与ndarrary的转换

Pytorch中的tensor与ndarray在底层数据类型设计有相似之处，在Pytorch框架中tensor与ndarray可以较为方便地转换

tensor转ndarray

tensor转ndarray分为浅拷贝与深拷贝

浅拷贝

浅拷贝一般使用numpy()方法

import torch




import numpy as np



 



data1 = ([1, 2, 3])




print(data1)



data2 = ()




print(data2)



data1[0] = 9





print(data1)




print(data2)



# tensor([1, 2, 3])



# [1 2 3]



# tensor([9, 2, 3])



# [9 2 3]

AI写代码

可以看到，在对转换成ndarray类型的data2进行修改后，tensor的值也随之改变，这是因为二者底层共用一块，为浅拷贝

深拷贝

深拷贝我们可以对tensor进行clone()后再进行转换，clone()会拷贝一份完全独立的张量，并会拷贝计算图

import torch




import numpy as np



 



data1 = ([1, 2, 3])




print(data1)



data2 = ().numpy()




print(data2)



data1[0] = 9





print(data1)




print(data2)



# tensor([1, 2, 3])



# [1 2 3]



# tensor([9, 2, 3])



# [1 2 3]

AI写代码

可以看到这里在对张量进行修改后，并不会影响ndarray，因为这里为深拷贝

ndarray转tensor

ndarray转tensor同样分为深拷贝和浅拷贝

浅拷贝

浅拷贝一般是通过torch.from_numpy()实现的

import torch




import numpy as np



 



data1 = ([1, 2, 3])



data2 = torch.from_numpy(data1)




print(data1)




print(data2)



data1[0] = 9





print(data1)




print(data2)



# [1 2 3]



# tensor([1, 2, 3], dtype=torch.int32)



# [9 2 3]



# tensor([9, 2, 3], dtype=torch.int32)

AI写代码

可以看到浅拷贝后，对共享内存的任意一个对象修改都会影响到另一个的值

深拷贝

深拷贝这里我们可以通过对ndarray进行copy()进行深拷贝创立副本

import torch




import numpy as np



 



data1 = ([1, 2, 3])



data2 = torch.from_numpy(())




print(data1)




print(data2)



data1[0] = 9





print(data1)




print(data2)



# [1 2 3]



# tensor([1, 2, 3], dtype=torch.int32)



# [9 2 3]



# tensor([1, 2, 3], dtype=torch.int32)

AI写代码

张量提取标量

tensor可以分为矢量张量和标量张量，对于从张量中提取标量值一般可以使用item()方法，要求tensor为单个元素才可以使用

import torch




import numpy as np



 



data1 = (1)



data2 = ([1])




print(data1)




print(data2)




print(())




print(())



# tensor(1)



# tensor([1])



# 1



# 1

AI写代码

import torch




import numpy as np



 



data1 = ([1, 2, 3])




print(data1)



 




print(())



tensor([1, 2, 3])



# Traceback (most recent call last):



#   File "D:\Pythonproject\teach_day_01\", line 7, in <module>



#     print(())



#           ^^^^^^^^^^^^



# RuntimeError: a Tensor with 3 elements cannot be converted to Scalar

AI写代码

可以看到非标量张量无法进行item()标量值提取