您好，登录后才能下订单哦！
密码登录
登录注册
点击 登录注册 即表示同意《亿速云用户服务条款》
这篇文章主要讲解了“pytorch中函数tensor.numpy()的数据类型实例分析”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“pytorch中函数tensor.numpy()的数据类型实例分析”吧！
今天写代码的时候，要统计一下标签数据里出现的类别总数和要分类的分类数是不是一致的。
我的做法是把tensor类型的数据转变成list，然后用Counter函数做统计。
代码如下：
from collections import Counter List_counter = Counter(List1) #List1就是待统计的数据，是一维的列表。生成的List_counter是一个字典，键是数据， #对应的值是数据出现的频率
在做这个统计的时候，突然发现，我的数据是float的类型，这是不应该出现的，因为标签数据在处理的时候都是整型数据。
经过一番查找后，发现是tensor.numpy()返回值数据类型的原因。这个函数的返回值是float类型的
在pytorch中，把numpy.array数据转换到张量tensor数据的常用函数是torch.from_numpy(array)或者torch.Tensor(array)
第一种函数更常用，然而在pytorch0.4中已经舍弃了这种函数
下面一个简单的编程实验说明这两种方法的区别
实验在pytorch0.4框架下进行
运行程序之后，结果是
可以看出修改数组a的元素值，张量b的元素值也改变了，但是张量c却不变。
修改张量c的元素值，数组a和张量b的元素值都不变。
这说明torch.from_numpy(array)是做数组的浅拷贝，torch.Tensor(array)是做数组的深拷贝
感谢各位的阅读，以上就是“pytorch中函数tensor.numpy()的数据类型实例分析”的内容了，经过本文的学习后，相信大家对pytorch中函数tensor.numpy()的数据类型实例分析这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是亿速云，小编将为大家推送更多相关知识点的文章，欢迎关注！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。