Tensor, Numpy(array), list相互转换，及在gpu中的使用

一、Tensor和Numpy(array)相互转换

1. 我们很容易用 numpy() 和 from_numpy() 将 Tensor 和NumPy中的数组相互转换。
   但是需要注意的点是： 这两个函数所产⽣生的的 Tensor 和NumPy中的数组共享相同的内存（所以他们之间的转换很快），改变其中⼀个时另⼀个也会改变！！！
2. 还有一个常用的将NumPy中的array转换成 Tensor 的方法就是 torch.tensor() , 需要注意的
   是，此方法总是会进行数据拷贝（就会消耗更多的时间和空间），所以返回的 Tensor 和原来的数据不再共享内存。

(一) Tensor转Numpy

使用numpy()将 Tensor 转换成NumPy数组。

a = torch.ones(5)
b = a.numpy()
print(a, b)
a += 1
print(a, b)
b += 1
print(a, b)

#输出：
#tensor([1., 1., 1., 1., 1.]) [1. 1. 1. 1. 1.]
#tensor([2., 2., 2., 2., 2.]) [2. 2. 2. 2. 2.]
#tensor([3., 3., 3., 3., 3.]) [3. 3. 3. 3. 3.]

注：gpu中的Tensor转Numpy

b = a.cpu().detach().numpy()

(二) Numpy转Tensor

1. 通过使用 from_numpy() 将NumPy数组转换成 Tensor。

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

#输出
#[1. 1. 1. 1. 1.] tensor([1., 1., 1., 1., 1.], dtype=torch.float64)
#[2. 2. 2. 2. 2.] tensor([2., 2., 2., 2., 2.], dtype=torch.float64)
#[3. 3. 3. 3. 3.] tensor([3., 3., 3., 3., 3.], dtype=torch.float64)

2. 此外上面我们提到还有一个常用的方法就是直接用 torch.tensor() 将NumPy数组转换成 Tensor ，需要注意的是该方法总是会进行数据拷贝，返回的 Tensor 和原来的数据不再共享内存。

c = torch.tensor(a)
a += 1
print(a, c)

#输出
#[4. 4. 4. 4. 4.] tensor([3., 3., 3., 3., 3.], dtype=torch.float64)

注：Numpy转Tensor后放入gpu中

b = torch.from_numpy(a).cuda()

二、Array和List相互转换

1. array转list

import numpy as np
a = np.array(12, np.float32)
list = a.tolist()

2. list转array

import numpy as np
a = list()
array = np.array(a)

三、List和Tensor相互转换

1. Tensor转list
   该转换不能一部完成，通常需要先把tensor转array,再把array转list

list = tensor.numpy().tolist()

2. list转Tensor

tensor=torch.Tensor(list)