numpy和torch数据类型如何转化

这篇文章主要介绍“numpy和torch数据类型如何转化”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“numpy和torch数据类型如何转化”文章能帮助大家解决问题。numpy使用astype转化数据类型，float默认转化为64位，可以使用np.float32指定为32位[1. 2. 3.]float64不要使用a.dtype指定数据类型，会使数据丢失[1.e-45 3.e-45 4.e-45]float32不要用float代替np.float，否则可能出现意想不到的错误不能从np.float64位转化np.float32，会报错np.float64与np.float32相乘，结果为np.float64在实际使用过程中，可以指定为np.float，也可以指定具体的位数，如np.float，不过直接指定np.float更方便。torch使用torch.float()转化数据类型，float默认转化为32位，torch中没有torch.float64()这个方法np.float64使用torch.from_numpy转化为torch后也是64位的float64torch.float64不要用float代替torch.float，否则可能出现意想不到的错误torch.float32与torch.float64数据类型相乘会出错，因此相乘的时候注意指定或转化数据float具体类型np和torch数据类型转化大体原理一样，只有相乘的时候，torch.float不一致不可相乘，np.float不一致可以相乘，并且转化为np.float64tensor转化为numpytorch.int64int64numpy转化为tensorint32torch.int32可以看到，torch默认int型是64位的，numpy默认int型是32位的补充：torch.from_numpy VS torch.Tensor最近在造dataset的时候，突然发现，在输入图像转tensor的时候，我可以用torch.Tensor直接强制转型将numpy类转成tensor类，也可以用torch.from_numpy这个方法将numpy类转换成ten免费云主机域名sor类，那么，torch.Tensor和torch.from_numpy这两个到底有什么区别呢？既然torch.Tensor能搞定，那torch.from_numpy留着不就是冗余吗？有区别，使用torch.from_numpy更加安全，使用tensor.Tensor在非float类型下会与预期不符。实际上，两者的区别是大大的。打个不完全正确的比方说，torch.Tensor就如同c的int，torch.from_numpy就如同c++的static_cast，我们都知道，如果将int64强制转int32，只要是高位转低位，一定会出现高位被抹去的隐患的，不仅仅可能会丢失精度，甚至会正负对调。这里的torch.Tensor与torch.from_numpy也会存在同样的问题。看看torch.Tensor的文档，里面清楚地说明了，torch.Tensor is an alias for the default tensor type (torch.FloatTensor).而torch.from_numpy的文档则是说明，The returned tensor and ndarray share the same memory. Modifications to the tensor will be reflected in the ndarray and vice versa. The returned tensor is not resizable.也即是说，1、当转换的源是float类型，torch.Tensor与torch.from_numpy会共享一块内存！且转换后的结果的类型是torch.float322、当转换的源不是float类型，torch.Tensor得到的是torch.float32，而torch.from_numpy则是与源类型一致！关于“numpy和torch数据类型如何转化”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，可以关注百云主机行业资讯频道，小编每天都会为大家更新不同的知识点。