張量的作用

Pytorch的數(shù)據(jù)類型為各式各樣的Tensor，Tensor可以理解為高維矩陣(與Numpy中的Array類似)

通過使用Type函數(shù)可以查看變量類型。一

CPU張量類型

Pytorch中的tensor包括七種CPU張量類型和八種GPU張量類型，這里我們就只講解一下CPU中的，GPU上的Tensor是CPU上的Tensor加cuda得到，如torch.cuda.FloatTensor：

torch.FloatTensor(2,3) 構(gòu)建一個(gè)2×3 Float類型的張量

torch.DoubleTensor(2,3) 構(gòu)建一個(gè)2×3 Double類型的張量

torch.ByteTensor(2,3) 構(gòu)建一個(gè)2×3 Byte類型的張量

torch.CharTensor(2,3) 構(gòu)建一個(gè)2×3 Char類型的張量

torch.ShortTensor(2,3) 構(gòu)建一個(gè)2×3 Short類型的張量

torch.IntTensor(2,3) 構(gòu)建一個(gè)2×3 Int類型的張量

torch.LongTensor(2,3) 構(gòu)建一個(gè)2×3 Long類型的張量

torch.Tensor是默認(rèn)的tensor類型(torch.FlaotTensor)的簡稱，即系統(tǒng)默認(rèn)的是torch.FloatTensor類型。例如：data = torch.Tensor(2,3)是一個(gè)2*3的張量，類型為FloatTensor(使用type()函數(shù)可以查看變量類型); data.cuda()就轉(zhuǎn)換為GPU的張量類型，即torch.cuda.FloatTensor類型。

tensor.type()

tensor.type(new_type=None, async=False)

• 未提供new_type，則返回原先的類型
• 提供new_type，將此對象轉(zhuǎn)換為指定的類型
• 已經(jīng)是正確的類型，則不會執(zhí)行且返回原對象

data = torch.LongTensor(2, 3)print('data變量的類型：', type(data))print('張量data所屬的類型：', data.dtype) # x的具體類型print(data)# 轉(zhuǎn)換為其他類型data_new = data.type(torch.Tensor) # torch.FloatTensor==torch.Tensorprint('data變量的類型：', type(data_new))print('張量data所屬的類型：', data_new.dtype) # x的具體類型print(data_new)

結(jié)果如下：

tensor1.type_as(tesnor2)

• tensor1.type_as(tesnor2)將張量tensor1的類型轉(zhuǎn)換為張量tensor2的類型
• 如果張量tensor1已經(jīng)是張量tensor2的類型，則不會執(zhí)行操作

data1 = torch.Tensor(2, 3)print('data1變量的類型：', type(data1))print('張量data1所屬的類型：', data1.dtype) # x的具體類型print(data1)data2 = torch.IntTensor(2,3)print('data2變量的類型：', type(data2))print('張量data2所屬的類型：', data2.dtype) # x的具體類型print(data2)data_new = data1.type_as(data2)print('data1變量的類型：', type(data_new))print('張量data1所屬的類型：', data_new.dtype) # x的具體類型print(data_new) # 為什么全為0？？？

參考：https://blog.csdn.net/genous110/article/details/87038787

參考：https://blog.csdn.net/hustchenze/article/details/79154139

圖片：https://blog.csdn.net/qq_26369907/article/details/89010672

總結(jié)

以上是生活随笔為你收集整理的pytorch图像和张量的相互转换_Day107:Pytorch张量类型的构建与相互转换的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。