cuda 9.0 安装torch 0.4_torch与numpy数组的转换及注意

在神经网络及pytorch的使用及构建中，经常会出现numpy的array与torch的tensor互相转换的形式，本文简述pytorch与numpy的转换及注意事项。^[1]

将tensor转换为array

a = torch.ones(5)
print(a)

out:

tensor([1., 1., 1., 1., 1.])

使用object的numpy()转换：

b = a.numpy()
print(b)

out：

[1. 1. 1. 1. 1.]

注意，此时两个数组（array与tensor）是共用一个储存空间的，也就是说，一个改变，另一个也会改变，因此：

a.add_(1)
print(a)
print(b)

out：

tensor([2., 2., 2., 2., 2.])
[2. 2. 2. 2. 2.]

将array转换为tensor

使用from_numpy()

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b)

out:

[2. 2. 2. 2. 2.]
tensor([2., 2., 2., 2., 2.], dtype=torch.float64)

当然还有能在GPU上运算的CUDA tensors

先判断cuda有没有安装好：

torch.cuda.is_available()

如果为true，那就安装好了。

尝试构建数组：

if torch.cuda.is_available():
    x = torch.randn(1)
    device = torch.device("cuda")          # a CUDA device object
    y = torch.ones_like(x, device=device)  # directly create a tensor on GPU
    x = x.to(device)                       # or just use strings ``.to("cuda")``
    z = x + y
    print(z)
    print(z.to("cpu", torch.double))       # ``.to`` can also change dtype together!

官网中写到：

Tensors can be moved onto any device using the.tomethod.

参考

1. ^官方文档 https://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html