【Pytorch】numpy數組與tensor互相轉換的多種方法

一、numpy數組轉化為torch中的tensor：

總的來說有四種方法，如下：

import torch
import numpy as np

arr1 = np.array([1,2,3], dtype=np.float32)
arr2 = np.array([4,5,6])
print(arr1.dtype)
print("nunpy中array的預設資料類型為：", arr2.dtype)

tensor = torch.tensor(arr2)
Tensor = torch.Tensor(arr2)
as_tensor = torch.as_tensor(arr2)
from_numpy = torch.from_numpy(arr2)

print(tensor.dtype, "|",Tensor.dtype, "|",as_tensor.dtype, "|",from_numpy.dtype)
arr2[0] = 10
print(tensor, Tensor, as_tensor, from_numpy)
'''
結果為：
float32
numpy中array的預設資料類型為： int64
torch.int64 | torch.float32 | torch.int64 | torch.int64
tensor([4, 5, 6]) tensor([4., 5., 6.]) tensor([10,  5,  6]) tensor([10,  5,  6])
'''
           

上述中可以看出來：

1. numpy中array預設的資料格式是int64類型，而torch中tensor預設的資料格式是float32類型。
2. as_tensor和from_array是淺拷貝，而tensor和Tensor則是屬于深拷貝，淺拷貝是直接共享記憶體記憶體空間的，這樣效率更高，而深拷貝是直接建立一個新的副本。

二、torch中的tensor轉化為numpy數組：

import torch
import numpy as np
a = torch.ones(5)
b = a.numpy()
b[0] = 2
 
print(a)
print(b)
'''
tensor([2., 1., 1., 1., 1.])
[2. 1. 1. 1. 1.]
'''
           

從上述的結果看來這個numpy() 方法将tensor轉numpy的array也是記憶體共享的。