Pytorch数据类型与转换(torch.tensor,torch.FloatTensor)
之前遇到转为tensor转化为浮点型的问题，今天整理下，我只讲几个我常用的，如果有更好的方法，欢迎补充
一、torch.tensor
1.首先讲下torch.tensor，默认整型数据类型为torch.int64，浮点型为torch.float32
2.这是我认为平常最爱用的转数据类型的方法，可以用dtype去定义数据类型
二、torch.FloatTensor
1.这个函数不要乱用，首先它可以将变量转化为浮点型32位，这里注意此时的变量类型为列表，或数组等，此时参数为单个变量
2.当函数参数为整形时，表示生成矩阵的维度，此时参数可以为多个变量
补充：还有一种方法通过numpy数组定义数据类型，再转化为tensor，这个方法不多讲了。
扩展：Pytorch数据类型转换
1. Pytorch上的数据类型
Pytorch的类型可以分为CPU和GPU上的Tensor, 它们拥有的数据类型是基本上是一样的：
- tensor.FloatTensor
- tensor.LongTensor
- tensor.ByteTensor
- tensor.CharTensor
- tensor.ShortTensor
- tensor.IntTensor
- torch.LongTensor
其中torch.Tensor是默认的tensor.FloatTensor的简称。
2. 数据类型之间的转换
tensor = torch.Tensor(3, 5) ## torch.long() 将tensor投射为long类型： newtensor = torch.long() ## torch.int()将该tensor投射为int类型： newtensor = torch.int() ## torch.double()将该tensor投射为double类型： newtensor = torch.double()
一般，只要在Tensor后加long(), int(), double(), float(), byte()等函数就能将Tensor的类型进行转换
除此之外，可以使用type()函数，data为Tensor数据类型，data.type()给出data的类型，如果使用data.type(torch.FloatTensor)则强制转换为torch.FloatTensor类型的张量, 如果不知道什么类型，可以使用tensor_1.type_as(tensor_2), 将tensor_1转换成tensor_2。
self = torch.LongTensor(3, 5) # 转换为其他类型 print self.type(torch.FloatTensor)
3. cuda数据类型,cpu类型和一般的数据类型
- 如果没有特别说明：tensor是cpu上的变量
- 使用gpu张量：
tensor.cuda() - 使用cpu张量：
tensor.cpu() - Variable转换成普通的
Tensor: variable.data() - Tesnor转换成numpy array的格式：
tensor.numpy() - numpy数据转换成Tensor:
torch.from_numpy(np_data) - Tensor转换成Variable:
Variable(tensor)
Pytorch数据类似pytorch中的tensor, 更重要的是tensor可以使用GPU来加速，并且变成Variable可以实现自动求导的功能，Variable是对Tensor对象的封装。
转载链接：https://www.jianshu.com/p/eb7c6af28922
逻辑值True和False转成0和1. +0
print(y) print(y+0) ## 输出结果 tensor([ True, False, False, True, True, False, False, True, True, False]) tensor([1, 0, 0, 1, 1, 0, 0, 1, 1, 0])
到此这篇关于Pytorch数据类型转换(torch.tensor,torch.FloatTensor)的文章就介绍到这了,更多相关Pytorch数据类型转换内容请搜索猪先飞以前的文章或继续浏览下面的相关文章希望大家以后多多支持猪先飞！
原文出处：https://blog.csdn.net/ggbooo/article/details/129025526