Python PyTorch Module.to用法及代码示例

本文简要介绍python语言中 torch.nn.Module.to 的用法。

用法:

to(*args, **kwargs)

参数：

• device(torch.device) -该模块中参数和缓冲区的所需设备

• dtype(torch.dtype) -此模块中参数和缓冲区的所需浮点或复杂数据类型

• tensor(torch.Tensor) -张量，其 dtype 和 device 是该模块中所有参数和缓冲区所需的 dtype 和 device

• memory_format(torch.memory_format) -此模块中 4D 参数和缓冲区的所需内存格式(仅关键字参数)

返回：

self

返回类型：

模块

移动和/或强制转换参数和缓冲区。

这可以称为

to(device=None, dtype=None, non_blocking=False)

to(dtype, non_blocking=False)

to(tensor, non_blocking=False)

to(memory_format=torch.channels_last)

它的签名类似于 torch.Tensor.to() ，但只接受浮点或复数 dtype s。此外，此方法只会将浮点数或复数参数和缓冲区转换为dtype(如果给定)。积分参数和缓冲区将被移动 device ，如果给出，但 dtypes 不变。当 non_blocking 设置时，如果可能，它会尝试相对于主机异步转换/移动，例如，将带有固定内存的 CPU 张量移动到 CUDA 设备。

请参阅下面的示例。

注意

此方法就地修改模块。

例子：

>>> linear = nn.Linear(2, 2)
>>> linear.weight
Parameter containing:
tensor([[ 0.1913, -0.3420],
        [-0.5113, -0.2325]])
>>> linear.to(torch.double)
Linear(in_features=2, out_features=2, bias=True)
>>> linear.weight
Parameter containing:
tensor([[ 0.1913, -0.3420],
        [-0.5113, -0.2325]], dtype=torch.float64)
>>> gpu1 = torch.device("cuda:1")
>>> linear.to(gpu1, dtype=torch.half, non_blocking=True)
Linear(in_features=2, out_features=2, bias=True)
>>> linear.weight
Parameter containing:
tensor([[ 0.1914, -0.3420],
        [-0.5112, -0.2324]], dtype=torch.float16, device='cuda:1')
>>> cpu = torch.device("cpu")
>>> linear.to(cpu)
Linear(in_features=2, out_features=2, bias=True)
>>> linear.weight
Parameter containing:
tensor([[ 0.1914, -0.3420],
        [-0.5112, -0.2324]], dtype=torch.float16)

>>> linear = nn.Linear(2, 2, bias=None).to(torch.cdouble)
>>> linear.weight
Parameter containing:
tensor([[ 0.3741+0.j,  0.2382+0.j],
        [ 0.5593+0.j, -0.4443+0.j]], dtype=torch.complex128)
>>> linear(torch.ones(3, 2, dtype=torch.cdouble))
tensor([[0.6122+0.j, 0.1150+0.j],
        [0.6122+0.j, 0.1150+0.j],
        [0.6122+0.j, 0.1150+0.j]], dtype=torch.complex128)