Python PyTorch Tensor.to用法及代碼示例

本文簡要介紹python語言中 torch.Tensor.to 的用法。

用法:

Tensor.to(*args, **kwargs) → Tensor

執行 Tensor dtype 和/或設備轉換。 A torch.dtype 和 torch.device 是從 self.to(*args, **kwargs) 的參數推斷出來的。

注意

如果 self 張量已經具有正確的 torch.dtype 和 torch.device ，則返回 self。否則，返回的張量是 self 的副本，其中包含所需的 torch.dtype 和 torch.device 。

以下是調用 to 的方法：

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

返回具有指定 dtype 的張量

參數：

memory_format( torch.memory_format ，可選)：返回張量所需的內存格式。默認值：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(可選)dtype 的張量。如果 dtype 是 None 則推斷為 self.dtype 。當 non_blocking 時，如果可能，嘗試相對於主機進行異步轉換，例如，將帶有固定內存的 CPU 張量轉換為 CUDA 張量。設置 copy 時，即使張量已經與所需的轉換匹配，也會創建一個新的張量。

參數：

memory_format( torch.memory_format ，可選)：返回張量所需的內存格式。默認值：torch.preserve_format。

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

返回與張量 other 具有相同 torch.dtype 和 torch.device 的張量。當 non_blocking 時，如果可能，嘗試相對於主機進行異步轉換，例如，將帶有固定內存的 CPU 張量轉換為 CUDA 張量。設置 copy 時，即使張量已經與所需的轉換匹配，也會創建一個新的張量。

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')