pytorch每日一学14(torch.as_tensor())将其它类型转化为tensor

第14个方法

torch.as_tenso(data, dtype=None, device=None)->Tensor

  这个方法还是比较直观地，将数据转化为tensor，这些数据可以是（ list, tuple, NumPy ndarray, scalar, and other types.）等等，所以这个方法还是挺有用的。
接下来介绍参数:

• data：tensor的初始化数据。可以是 list, tuple, NumPy ndarray, scalar, and other types。
• dtype：tensor中数据的类型，如果不指定则使用data中的数据类型。
• device：指定了返回tensor所在的位置（cpu或者cuda），如果没有指定则使用当前默认设备，一般是cpu，当然也可以使用前面讲过的torch.set_default_tensor_type()来更改默认设置。

---

• 注意 ：如果data已经是一个tensor并且与返回的tensor具有相同的类型和相同的设备，那么不会发生复制，返回的tensor就是data，否则是会进行复制的并且一个新的tensor会被返回且具有requires_grad=True，并保留计算图。相似的，如果data是一个相应dtype的ndarray，并且设备是cpu（numpy中的ndarray只能存在于cpu中），那么也不会进行任何复制，但是返回的是tensor，只是使用的内存相同。

import torch
import numpy as np
a = np.array([1, 2, 3])
t = torch.as_tensor(a)
print(t)
t[0] = -1
a

• 由于a与t使用的是相同的内存区域，所以更改一个中的数据值，另一个也会更改。

而这样的话，由于是进行值得复制，所以改变t不会改变a

import torch
import numpy as np
a = np.array([1, 2, 3])
t = torch.as_tensor(a, dtype=torch.float32)
t[0] = -1
print(t)
a

• 当然将数据转化为tensor也有其它的方法，例如将numpy转为tensor也可以使用t = torch.from_numpy(a)等。