相思资源网 Design By www.200059.com
Summary
主要包括以下三种途径:
使用独立的函数;
使用torch.type()函数;
使用type_as(tesnor)将张量转换为给定类型的张量。
使用独立函数
import torch tensor = torch.randn(3, 5) print(tensor) # torch.long() 将tensor投射为long类型 long_tensor = tensor.long() print(long_tensor) # torch.half()将tensor投射为半精度浮点类型 half_tensor = tensor.half() print(half_tensor) # torch.int()将该tensor投射为int类型 int_tensor = tensor.int() print(int_tensor) # torch.double()将该tensor投射为double类型 double_tensor = tensor.double() print(double_tensor) # torch.float()将该tensor投射为float类型 float_tensor = tensor.float() print(float_tensor) # torch.char()将该tensor投射为char类型 char_tensor = tensor.char() print(char_tensor) # torch.byte()将该tensor投射为byte类型 byte_tensor = tensor.byte() print(byte_tensor) # torch.short()将该tensor投射为short类型 short_tensor = tensor.short() print(short_tensor)
-0.5841 -1.6370 0.1353 0.6334 -3.0761 -0.2628 0.1245 0.8626 0.4095 -0.3633 1.3605 0.5055 -2.0090 0.8933 -0.6267 [torch.FloatTensor of size 3x5] 0 -1 0 0 -3 0 0 0 0 0 1 0 -2 0 0 [torch.LongTensor of size 3x5] -0.5840 -1.6367 0.1353 0.6333 -3.0762 -0.2627 0.1245 0.8628 0.4094 -0.3633 1.3604 0.5054 -2.0098 0.8936 -0.6265 [torch.HalfTensor of size 3x5] 0 -1 0 0 -3 0 0 0 0 0 1 0 -2 0 0 [torch.IntTensor of size 3x5] -0.5841 -1.6370 0.1353 0.6334 -3.0761 -0.2628 0.1245 0.8626 0.4095 -0.3633 1.3605 0.5055 -2.0090 0.8933 -0.6267 [torch.DoubleTensor of size 3x5] -0.5841 -1.6370 0.1353 0.6334 -3.0761 -0.2628 0.1245 0.8626 0.4095 -0.3633 1.3605 0.5055 -2.0090 0.8933 -0.6267 [torch.FloatTensor of size 3x5] 0 -1 0 0 -3 0 0 0 0 0 1 0 -2 0 0 [torch.CharTensor of size 3x5] 0 255 0 0 253 0 0 0 0 0 1 0 254 0 0 [torch.ByteTensor of size 3x5] 0 -1 0 0 -3 0 0 0 0 0 1 0 -2 0 0 [torch.ShortTensor of size 3x5]
其中,torch.Tensor、torch.rand、torch.randn 均默认生成 torch.FloatTensor型 :
import torch tensor = torch.Tensor(3, 5) assert isinstance(tensor, torch.FloatTensor) tensor = torch.rand(3, 5) assert isinstance(tensor, torch.FloatTensor) tensor = torch.randn(3, 5) assert isinstance(tensor, torch.FloatTensor)
使用torch.type()函数
type(new_type=None, async=False)
import torch tensor = torch.randn(3, 5) print(tensor) int_tensor = tensor.type(torch.IntTensor) print(int_tensor)
-0.4449 0.0332 0.5187 0.1271 2.2303 1.3961 -0.1542 0.8498 -0.3438 -0.2834 -0.5554 0.1684 1.5216 2.4527 0.0379 [torch.FloatTensor of size 3x5] 0 0 0 0 2 1 0 0 0 0 0 0 1 2 0 [torch.IntTensor of size 3x5]
使用type_as(tesnor)将张量转换为给定类型的张量
import torch tensor_1 = torch.FloatTensor(5) tensor_2 = torch.IntTensor([10, 20]) tensor_1 = tensor_1.type_as(tensor_2) assert isinstance(tensor_1, torch.IntTensor)
以上这篇pytorch: tensor类型的构建与相互转换实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
相思资源网 Design By www.200059.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
相思资源网 Design By www.200059.com
暂无pytorch: tensor类型的构建与相互转换实例的评论...
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。