本文已参与「新人创作礼」活动，一起开启掘金创作之路。

pytorch Tensor

参考文档

Pytorch 之 Tensor 属性与操作

Pytorch中支持的tensor的数据类型及它们的相互转换

三种类型转换函数

PyTorch 深度学习:60分钟快速入门

数据类型的具体介绍和使用（好）

多GPU运行

numpy和tensor

• numpy和torch tensor互通，可互转，共享潜在内存，即改变其中一个，另一个也会改变

  • # torch 转 numpy
    a = torch.ones(5)
    b = a.numpy()
    # numpy 转 torch
    a = torch.Tensor(b)
    data = torch.from_numpy(data)
    

• 转换路径

  numpy--->torch tensor--->torch cuda tensor

tensor转cuda

import numpy as np
​
data = ('A', 'd', 'v')
data = np.array(data)
​
data = torch.ones((3, 5))
print(data)
# data = torch.from_numpy(data)
data.to("cuda")

TypeError: can't convert np.ndarray of type numpy.str_. The only supported types are: float64, float32, float16, complex64, complex128, int64, int32, int16, int8, uint8, and bool.

*可知能转tensor的类型只有：*float64, float32, float16, complex64, complex128, int64, int32, int16, int8, uint8, and bool.

查看tensorType

import torch
​
x = torch.ones((3, 5))
print(x)
​
print('type(x): ', type(x))
print('x.dtype: ', x.dtype)
print('x.device:', x.device)
​
x.to("cuda") # note：这里必须使用一个变量接收，因为不是改变原数据x，正确写法如下：
x = x.to("cuda")
print('type(x): ', type(x))
print('x.dtype: ', x.dtype)
print('x.device:', x.device)

tensor([[1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.]])
# cpu上
type(x):  <class 'torch.Tensor'>
x.dtype:  torch.float32
x.device: cpu
# gpu上
type(x):  <class 'torch.Tensor'>
x.dtype:  torch.float32
x.device: cuda:0

总结：

• type()函数是查看变量的类型，即属于什么class
• var.dtype是查看该tensor中数据的类型
• var.device是查看变量在哪个设备上

Tensor的cuda类型和gpu类型

前提：即在tensor从cpu转到gpu上时，通过查看其dtype可以发现，他的dtype没有变化，都是torch.xxxx，与预想中会自动转成torch.cuda.xxxx不符，即与设想自动转换成cuda数据类型不一致。

常用写法

y = y.to(device=device, dtype=torch.float32)
t_l = t.long()
t_f = t.float()