Pytorch數據類型與轉換(torch.tensor,torch.FloatTensor)

Posted on by

Pytorch數據類型與轉換(torch.tensor,torch.FloatTensor)

之前遇到轉為tensor轉化為浮點型的問題，今天整理下，我隻講幾個我常用的，如果有更好的方法，歡迎補充

一、torch.tensor

1.首先講下torch.tensor，默認整型數據類型為torch.int64，浮點型為torch.float32

在這裡插入圖片描述

2.這是我認為平常最愛用的轉數據類型的方法，可以用dtype去定義數據類型

在這裡插入圖片描述

二、torch.FloatTensor

1.這個函數不要亂用，首先它可以將變量轉化為浮點型32位，這裡註意此時的變量類型為列表，或數組等，此時參數為單個變量

在這裡插入圖片描述

2.當函數參數為整形時，表示生成矩陣的維度，此時參數可以為多個變量

在這裡插入圖片描述

補充：還有一種方法通過numpy數組定義數據類型，再轉化為tensor，這個方法不多講瞭。

擴展：Pytorch數據類型轉換

1. Pytorch上的數據類型

Pytorch的類型可以分為CPU和GPU上的Tensor, 它們擁有的數據類型是基本上是一樣的：

  • tensor.FloatTensor
  • tensor.LongTensor
  • tensor.ByteTensor
  • tensor.CharTensor
  • tensor.ShortTensor
  • tensor.IntTensor
  • torch.LongTensor

其中torch.Tensor是默認的tensor.FloatTensor的簡稱。

2. 數據類型之間的轉換

tensor = torch.Tensor(3, 5)
## torch.long() 將tensor投射為long類型：
newtensor = torch.long()
## torch.int()將該tensor投射為int類型：
newtensor = torch.int()
## torch.double()將該tensor投射為double類型：
newtensor = torch.double()

一般，隻要在Tensor後加long(), int(), double(), float(), byte()等函數就能將Tensor的類型進行轉換
除此之外，可以使用type()函數，data為Tensor數據類型，data.type()給出data的類型，如果使用data.type(torch.FloatTensor)則強制轉換為torch.FloatTensor類型的張量, 如果不知道什麼類型，可以使用tensor_1.type_as(tensor_2), 將tensor_1轉換成tensor_2。

self = torch.LongTensor(3, 5)
# 轉換為其他類型
print self.type(torch.FloatTensor)

3. cuda數據類型,cpu類型和一般的數據類型

  • 如果沒有特別說明：tensor是cpu上的變量
  • 使用gpu張量：tensor.cuda()
  • 使用cpu張量：tensor.cpu()
  • Variable轉換成普通的Tensor: variable.data()
  • Tesnor轉換成numpy array的格式：tensor.numpy()
  • numpy數據轉換成Tensor: torch.from_numpy(np_data)
  • Tensor轉換成Variable: Variable(tensor)

Pytorch數據類似pytorch中的tensor, 更重要的是tensor可以使用GPU來加速，並且變成Variable可以實現自動求導的功能，Variable是對Tensor對象的封裝。

轉載鏈接：https://www.jianshu.com/p/eb7c6af28922

邏輯值True和False轉成0和1. +0

print(y)
print(y+0)
## 輸出結果
tensor([ True, False, False,  True,  True, False, False,  True,  True, False])
tensor([1, 0, 0, 1, 1, 0, 0, 1, 1, 0])

到此這篇關於Pytorch數據類型轉換(torch.tensor,torch.FloatTensor)的文章就介紹到這瞭,更多相關Pytorch數據類型轉換內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：