Pytorch 基本的数据类型

    Pytorch中的基本数据类型就是各式各样的张量，张量可以理解为多维矩阵。Pytorch中定义了一个Tensor类来实现张量，Tensor在使用上与numpy的ndarray类似，不同的是，Tensor可以在GPU上运行，但是numpy只能在CPU上运行，当然numpy与Tensor可以进行相互转换，以此使得numpy数据在GPU上运行。Pytorch中的Tensor又包括CPU上的数据类型和GPU上的数据类型，两种数据类型之间也可以进行相互转换，下面是Pytorch定义的数据类型：

1. 类型检查

Pytorch数据类型的检查可以通过三个方式：

1）python内置函数type()

2）Tensor的成员函数Tensor.type()

3）Pytorch提供的工具函数isinstance()

示例代码：

import torch

a = torch.randn(2, 3)  # 2行3列,正态分布~N(0,1)
print(a)
print(type(a))
print(a.type())
print(isinstance(a, torch.FloatTensor))

运行结果：

tensor([[-0.6646,  0.3935,  1.2683],
        [-1.8576,  0.2761,  1.4787]])

torch.FloatTensor
True

从运行结果来看，python内置的类型检测函数type()只能检查该数据是Tensort类型，具体的基本数据类型无法检测出来，而Tensor的成员函数type()更加直观，可以检测出Tensor数据的基本类型。isinstance()函数主要用于判断某数据是否属于某个数据类型，如果属于返回True,否则返回False。

2. 数据类型转换

Tensor类型的变量进行类型转换一般有两种方法：

1）Tensor类型的变量直接调用long(), int(), double(),float(),byte()等函数就能将Tensor进行类型转换；

2）在Tensor成员函数type()中直接传入要转换的数据类型。

当你不知道要转换为什么类型时，但需要求a1,a2两个张量的乘积，可以使用a1.type_as(a2)将a1转换为a2同类型。

示例代码：

import torch

a = torch.randn(2, 3)
print(a.type())

# 转换为IntTensort类型
b = a.int()

# 转换为LongTensor类型
c = a.type(torch.LongTensor)

print(b.type())
print(c.type())

# 将a转换为与b相同的类型
a.type_as(b)
print(a.type())

运行结果：

torch.FloatTensor
torch.IntTensor
torch.LongTensor
torch.FloatTensor

3. Tensor与Numpy ndarray之间的转换

Tensor和numpy.ndarray之间还可以相互转换，其方式如下：

1）Numpy转化为Tensor：torch.from_numpy(numpy矩阵)

2）Tensor转化为numpy：Tensor矩阵.numpy()

示例代码：

import torch
import numpy as np

# 定义一个3行2列的全为0的矩阵
b = torch.randn((3, 2))

# tensor转化为numpy
numpy_b = b.numpy()
print(numpy_b)

# numpy转化为tensor
numpy_e = np.array([[1, 2], [3, 4], [5, 6]])
torch_e = torch.from_numpy(numpy_e)

print(numpy_e)
print(torch_e)

4. CPU或GPU张量之间的转

1) CPU张量 ---->  GPU张量, 使用Tensor.cuda()

2) GPU张量 ----> CPU张量 使用Tensor.cpu()

我们可以通过torch.cuda.is_available()函数来判断当前的环境是否支持GPU，如果支持，则返回True。所以，为保险起见，在项目代码中一般采取“先判断，后使用”的策略来保证代码的正常运行，其基本结构如下：

import torch

# 定义一个3行2列的全为0的矩阵
tmp = torch.randn((3, 2))

# 如果支持GPU，则定义为GPU类型
if torch.cuda.is_available():
    inputs = tmp.cuda()
# 否则，定义为一般的Tensor类型
else:
    inputs = tmp