Day02-02.张量和Numpy之间相互转换

一、张量转换为NumPy数组

使用 Tensor.numpy 函数可以将张量转换为 ndarray 数组，但是共享内存，可以使用 copy 函数避免共享。

# 1. 定义函数, 演示: 张量 -> numpy def dm01(): # 1. 创建张量. t1 = torch.tensor([1, 2, 3, 4, 5]) print(f't1: {t1}, type: {type(t1)}') # 2. 张量 -> numpy. # n1 = t1.numpy() # 共享内存. n1 = t1.numpy().copy() # 不共享内存. print(f'n1: {n1}, type: {type(n1)}') # 3. 演示上述方式 是否共享内存. n1[0] = 100 print(f'n1: {n1}') # [100, 2, 3, 4, 5] print(f't1: {t1}') # [?, 2, 3, 4, 5]

二、NumPy数组转换为张量

1、使用 from_numpy 可以将 ndarray 数组转换为 Tensor，默认共享内存，使用 copy 函数避免共享。

2、使用 torch.tensor 可以将 ndarray 数组转换为 Tensor，默认不共享内存。

# 2. 定义函数, 演示: numpy -> 张量 def dm02(): # 1. 创建numpy数组. n1 = np.array([11, 22, 33]) print(f'n1: {n1}, type: {type(n1)}') # 2. 把上述的numpy数组, 转换成张量. # t1 = torch.from_numpy(n1).type(torch.float32) # 转换 ＋ 转类型. t1 = torch.from_numpy(n1) # 共享内存. print(f't1: {t1}, type: {type(t1)}') t2 = torch.tensor(n1) # 不共享内存 print(f't2: {t2}, type: {type(t2)}') # 3. 演示上述方式 是否共享内存. n1[0] = 100 print(f'n1: {n1}') # 100, 22, 33 print(f't1: {t1}') # 100, 22, 33 print(f't2: {t2}') # 11, 22, 33

三、标量张量和数字转换

def dm03(): # 1. 创建张量. t1 = torch.tensor(100) # 可以 # t1 = torch.tensor([100, ]) # 可以 # t1 = torch.tensor([100, 200]) # 不可以. print(f't1: {t1}, type: {type(t1)}') # 2. 从张量中提取内容. a = t1.item() print(f'value: {a}, type: {type(a)}')