Python PyTorch Tensor.to用法及代码示例

本文简要介绍python语言中 torch.Tensor.to 的用法。

用法:

Tensor.to(*args, **kwargs) → Tensor

执行 Tensor dtype 和/或设备转换。 A torch.dtype 和 torch.device 是从 self.to(*args, **kwargs) 的参数推断出来的。

注意

如果 self 张量已经具有正确的 torch.dtype 和 torch.device ，则返回 self。否则，返回的张量是 self 的副本，其中包含所需的 torch.dtype 和 torch.device 。

以下是调用 to 的方法：

to(dtype, non_blocking=False, copy=False, memory_format=torch.preserve_format) → Tensor

返回具有指定 dtype 的张量

参数：

memory_format( torch.memory_format ，可选)：返回张量所需的内存格式。默认值：torch.preserve_format。

torch.to(device=None, dtype=None, non_blocking=False, copy=False, memory_format=torch.preserve_format) → Tensor

返回具有指定 device 和(可选)dtype 的张量。如果 dtype 是 None 则推断为 self.dtype 。当 non_blocking 时，如果可能，尝试相对于主机进行异步转换，例如，将带有固定内存的 CPU 张量转换为 CUDA 张量。设置 copy 时，即使张量已经与所需的转换匹配，也会创建一个新的张量。

参数：

memory_format( torch.memory_format ，可选)：返回张量所需的内存格式。默认值：torch.preserve_format。

torch.to(other, non_blocking=False, copy=False) → Tensor

返回与张量 other 具有相同 torch.dtype 和 torch.device 的张量。当 non_blocking 时，如果可能，尝试相对于主机进行异步转换，例如，将带有固定内存的 CPU 张量转换为 CUDA 张量。设置 copy 时，即使张量已经与所需的转换匹配，也会创建一个新的张量。

例子：

>>> tensor = torch.randn(2, 2)  # Initially dtype=float32, device=cpu
>>> tensor.to(torch.float64)
tensor([[-0.5044,  0.0005],
        [ 0.3310, -0.0584]], dtype=torch.float64)

>>> cuda0 = torch.device('cuda:0')
>>> tensor.to(cuda0)
tensor([[-0.5044,  0.0005],
        [ 0.3310, -0.0584]], device='cuda:0')

>>> tensor.to(cuda0, dtype=torch.float64)
tensor([[-0.5044,  0.0005],
        [ 0.3310, -0.0584]], dtype=torch.float64, device='cuda:0')

>>> other = torch.randn((), dtype=torch.float64, device=cuda0)
>>> tensor.to(other, non_blocking=True)
tensor([[-0.5044,  0.0005],
        [ 0.3310, -0.0584]], dtype=torch.float64, device='cuda:0')