之前遇到转为tensor转化为浮点型的问题,今天整理下,我只讲几个我常用的,如果有更好的方法,欢迎补充
1.首先讲下torch.tensor,默认整型数据类型为torch.int64,浮点型为torch.float32
2.这是我认为平常最爱用的转数据类型的方法,可以用dtype去定义数据类型
1.这个函数不要乱用,首先它可以将变量转化为浮点型32位,这里注意此时的变量类型为列表,或数组等,此时参数为单个变量
2.当函数参数为整形时,表示生成矩阵的维度,此时参数可以为多个变量
补充:还有一种方法通过numpy数组定义数据类型,再转化为tensor,这个方法不多讲了。
Pytorch的类型可以分为CPU和GPU上的Tensor, 它们拥有的数据类型是基本上是一样的:
其中torch.Tensor
是默认的tensor.FloatTensor
的简称。
tensor = torch.Tensor(3, 5) ## torch.long() 将tensor投射为long类型: newtensor = torch.long() ## torch.int()将该tensor投射为int类型: newtensor = torch.int() ## torch.double()将该tensor投射为double类型: newtensor = torch.double()
一般,只要在Tensor后加long(), int(), double(), float(), byte()
等函数就能将Tensor的类型进行转换
除此之外,可以使用type()
函数,data为Tensor数据类型,data.type()给出data的类型,如果使用data.type(torch.FloatTensor)
则强制转换为torch.FloatTensor
类型的张量, 如果不知道什么类型,可以使用tensor_1.type_as(tensor_2)
, 将tensor_1
转换成tensor_2
。
self = torch.LongTensor(3, 5) # 转换为其他类型 print self.type(torch.FloatTensor)
tensor.cuda()
tensor.cpu()
Tensor: variable.data()
tensor.numpy()
torch.from_numpy(np_data)
Variable(tensor)
Pytorch数据类似pytorch中的tensor, 更重要的是tensor可以使用GPU来加速,并且变成Variable可以实现自动求导的功能,Variable是对Tensor对象的封装。
转载链接:https://www.jianshu.com/p/eb7c6af28922
print(y) print(y+0) ## 输出结果 tensor([ True, False, False, True, True, False, False, True, True, False]) tensor([1, 0, 0, 1, 1, 0, 0, 1, 1, 0])