Pytorch Tensor与Variable、Numpy

Pytorch Tensor与Variable、Numpy

Pytorch作为一种非常高效便捷的深度学习框架，其主要优点在于可以与Numpy无缝连接，所以下面我们来看一下Pytorch Tensor(CPU & GPU)与Numpy中的Narray之间的相互转换：

1.类间转换

因为Tensor作为一种数据类型，也有Long、Float、Int等类型之分，因此首先来介绍一下，这些类型之间的转换(无论GPU、CPU都通用)：

e.g.

• Torch.LongTensor ==> Torch.FloatTensor:
  • data.float()
  • 利用Type函数：
    • data.type(torch.FloatTensor)

2.设备转换

作为一种深度学习框架，Pytorch既可以在CPU上运行也可以在GPU上运行，因此下面来介绍一下CPU与GPU之间的转换问题：

e.g.

1.Pytorch Tensor CPU<==>GPU

• Tensor_CPU ==> Tensor_GPU:
  • data.cuda()
• Tensor_GPU ==> Tensor_CPU:
  • data.cpu()

3.Variable & Tensor

Variable变量转换成普通的Tensor，其实可以理解Variable为一个Wrapper，里头的data就是Tensor. 如果Var是Variable变量，使用Var.data获得Tensor变量
e.g.

• Variable==> Tensor:
  • Variable.data

4.Tensor & Numpy Array

e.g.

• Tensor ==> Numpy
  • data.numpy()
• Numpy ==> Tensor
  • torch.from_numpy(data)