Python PyTorch frombuffer用法及代碼示例

本文簡要介紹python語言中 torch.frombuffer 的用法。

用法:

torch.frombuffer(buffer, *, dtype, count=- 1, offset=0, requires_grad=False) → Tensor

參數：

buffer(object) -公開緩衝區接口的 Python 對象。

關鍵字參數：

• dtype(torch.dtype) -返回張量的所需數據類型。

• count(int,可選的) -要讀取的所需元素的數量。如果為負，則將讀取所有元素(直到緩衝區末尾)。默認值：-1。

• offset(int,可選的) -在緩衝區開始處要跳過的字節數。默認值：0。

• requires_grad(bool,可選的) -如果 autograd 應該在返回的張量上記錄操作。默認值：False。

從實現 Python 緩衝區協議的對象創建一維 Tensor 。

跳過緩衝區中的第一個 offset 字節，並將其餘原始字節解釋為帶有 count 元素的 dtype 類型的一維張量。

請注意，以下任一條件必須為真：

1. count 是一個非零正數，緩衝區中的總字節數小於 offset 加上 count 乘以 dtype 的大小(以字節為單位)。

2、count為負數，緩衝區的長度(字節數)減去offset是dtype的大小(以字節為單位)的倍數。

返回的張量和緩衝區共享相同的內存。對張量的修改將反映在緩衝區中，反之亦然。返回的張量不可調整大小。

注意

此函數增加擁有共享內存的對象的引用計數。因此，在返回的張量超出範圍之前，不會釋放此類內存。

警告

當傳遞一個實現緩衝區協議的對象時，該函數的行為是未定義的，該對象的數據不在 CPU 上。這樣做很可能導致分段錯誤。

警告

此函數不會嘗試推斷 dtype(因此，它不是可選的)。傳遞與其源不同的dtype 可能會導致意外行為。

例子：

>>> import array
>>> a = array.array('i', [1, 2, 3])
>>> t = torch.frombuffer(a, dtype=torch.int32)
>>> t
tensor([ 1,  2,  3])
>>> t[0] = -1
>>> a
array([-1,  2,  3])

>>> # Interprets the signed char bytes as 32-bit integers.
>>> # Each 4 signed char elements will be interpreted as
>>> # 1 signed 32-bit integer.
>>> import array
>>> a = array.array('b', [-1, 0, 0, 0])
>>> torch.frombuffer(a, dtype=torch.int32)
tensor([255], dtype=torch.int32)