torch的Tensor转化为NumPy数组
Tensor和NumPy数组共享相同的底层储存位置，因此当一个改变时,另一个也会改变。
创建tensor
首先导入torch和numpy包
import torch
import numpy as np
创建一个tensor
a = torch.zeros(5)
print(a)
输出结果：
tensor([0., 0., 0., 0., 0.])
tensor转换为numpy
b = a.numpy()
print(b)
输出结果：
[0. 0. 0. 0. 0.]
当所转换的tensor发生变化时，numpy数组也会改变。
a.add_(1)
print(a)
print(b)
输出结果：
tensor([1., 1., 1., 1., 1.])
[1. 1. 1. 1. 1.]
NumPy数组转化为Tensor
创建一个numpy数组
a = np.zeros(5)
print(a)
输出结果：
[0. 0. 0. 0. 0.]
numpy数组转换为tensor
b = torch.from_numpy(a)
print(b)
输出结果：
tensor([0., 0., 0., 0., 0.], dtype=torch.float64)
当被转换numpy数组发展变化，转换得到的tensor也会发生变化。
np.add(a, 2,out=a)
print(a)
print(b)
输出结果：
[2. 2. 2. 2. 2.]
tensor([2., 2., 2., 2., 2.], dtype=torch.float64)
CPU上的所有tensor(CharTensor除外)都支持与Numpy数组的相互转换。
CUDA上的Tensor
张量可以使用.to()方法移动到任何设备(device）上：
前提GPU可用，使用torch.device来将tensor移入和移出GPU
创建一个tensor
x = torch.rand(2,3)
y = torch.rand_like(x)
print(x)
print(y)
输出结果：
tensor([[0.7374, 0.2935, 0.4500],
[0.9148, 0.7752, 0.5846]])
tensor([[0.0828, 0.5807, 0.8807],
[0.9329, 0.8767, 0.0201]])
将tensor放入GPU以便进行加速：
x = x.to('cuda')
print(x)
输出结果：
tensor([[0.7374, 0.2935, 0.4500],
[0.9148, 0.7752, 0.5846]], device='cuda:0')
我们已经把x放入GPU中了，现在y还在cpu中。如果这个时候进行x和y之间的运算会报错如下：
z = x + y
输出结果：
RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cuda:0 and cpu!
译文：RuntimeError:期望所有张量在同一个设备上，但发现至少两个设备，cuda:0和cpu!
所以我们只能对在同一个设备上的数据进行相互之间的操作处理。
将在GPU中的x放入CPU中，x和y在同一个设备中，就可以进行x和y相加。
x = x.to('cpu')
print(x)
z = x +y
print(z)
输出结果：
tensor([[0.7374, 0.2935, 0.4500],
[0.9148, 0.7752, 0.5846]])
tensor([[0.8202, 0.8742, 1.3308],
[1.8477, 1.6520, 0.6047]])
文章出处登录后可见！
已经登录？立即刷新
