torch.from_numpy介绍

torch.from_numpy是PyTorch中的一个函数，用于将numpy数组转换为torch张量。它创建一个新的张量，与给定的numpy数组共享相同的底层数据缓冲区，而不需要复制数据。这使得在PyTorch和NumPy之间共享数据变得更加高效和方便。

用法示例

import numpy as np
import torch

# 创建一个numpy数组
numpy_array = np.array([[1, 2, 3], [4, 5, 6]])

# 使用torch.from_numpy将numpy数组转换为torch张量
torch_tensor = torch.from_numpy(numpy_array)

# 打印torch张量
print(torch_tensor)

# 输出:
# tensor([[1, 2, 3],
#         [4, 5, 6]], dtype=torch.int32)

特点和注意事项

• torch.from_numpy函数返回一个新的torch张量，与numpy数组共享相同的底层数据。这意味着如果修改了其中一个，另一个也会发生变化。

• torch.from_numpy只能接受numpy数组作为参数，不接受其他序列类型（如列表）作为输入。

• 默认情况下，torch.from_numpy保留numpy数组的数据类型。如果需要更改数据类型，可以在转换后的张量上使用.type()方法。

numpy_array = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float32)
torch_tensor = torch.from_numpy(numpy_array)

# 更改为torch.float64类型
torch_tensor = torch_tensor.type(torch.float64)

• 当从numpy数组创建张量时，它们共享相同的内存。这意味着对numpy数组或torch张量的修改都会影响到另一个。使用.clone()方法可以创建一个新的张量，无论如何修改都不会影响原始的numpy数组。

numpy_array = np.array([1, 2, 3])
torch_tensor = torch.from_numpy(numpy_array)

# 修改numpy数组
numpy_array[0] = 5

print(numpy_array)   # 输出: [5, 2, 3]
print(torch_tensor)  # 输出: tensor([5, 2, 3], dtype=torch.int32)

# 创建一个与torch_tensor无关的新张量
new_tensor = torch_tensor.clone()

# 修改new_tensor
new_tensor[0] = 10

print(torch_tensor)  # 输出: tensor([5, 2, 3], dtype=torch.int32)
print(new_tensor)    # 输出: tensor([10, 2, 3], dtype=torch.int32)

torch.from_numpy函数在将numpy数组转换为torch张量时非常有用，特别是在将数据导入PyTorch进行深度学习任务时。它提供了一种便捷的方式，避免了不必要的数据复制操作，同时也保证了数据的一致性和高效性。