Pytorch数据类型与转换的方法有哪些

本篇内容介绍了“Pytorch数据类型与转换的方法有哪些”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

Pytorch数据类型与转换(torch.tensor,torch.FloatTensor)

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。

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])

“Pytorch数据类型与转换的方法有哪些”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！