当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python PyTorch as_tensor用法及代码示例


本文简要介绍python语言中 torch.as_tensor 的用法。

用法:

torch.as_tensor(data, dtype=None, device=None) → Tensor

参数

  • data(array_like) -张量的初始数据。可以是列表、元组、NumPy ndarray、标量和其他类型。

  • dtype(torch.dtype, 可选的) -返回张量的所需数据类型。默认值:如果 None ,则从 data 推断数据类型。

  • device(torch.device, 可选的) -返回张量的所需设备。默认值:如果 None ,使用当前设备作为默认张量类型(参见 torch.set_default_tensor_type() )。 device 将是 CPU 张量类型的 CPU 和 CUDA 张量类型的当前 CUDA 设备。

将数据转换为 torch.Tensor 。如果数据已经是具有相同 dtypedeviceTensor ,则不会执行复制,否则如果数据 Tensor 具有 requires_grad=True ,则将返回一个新的 Tensor 并保留计算图。同理,如果数据是对应dtypendarray,而device是cpu,则不进行拷贝。

例子:

>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a)
>>> t
tensor([ 1,  2,  3])
>>> t[0] = -1
>>> a
array([-1,  2,  3])

>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a, device=torch.device('cuda'))
>>> t
tensor([ 1,  2,  3])
>>> t[0] = -1
>>> a
array([1,  2,  3])

相关用法


注:本文由纯净天空筛选整理自pytorch.org大神的英文原创作品 torch.as_tensor。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。