1、 torch.
tensor
(data, *, dtype=None, device=None, requires_grad=False, pin_memory=False)
torch.
tensor
最推薦
資料類型:和輸入相同,可以使用dtype改變資料類型
拷貝類型:總是深拷貝; 如果資料為tensor,不想拷貝,使用
torch.Tensor.requires_grad_()
or
torch.Tensor.detach()
具體參考:https://pytorch.org/docs/stable/generated/torch.tensor.html#torch.tensor
2、 torch.
as_tensor
(data, dtype=None, device=None)
torch.
as_tensor
次推薦
資料類型:和輸入相同;可以使用dtype改變資料類型
拷貝類型:data為tensor,如果dtype和device相同,不拷貝,反之則拷貝;
data為numpy,如果dtype相同,device=cpu,不拷貝
具體參考:https://pytorch.org/docs/stable/generated/torch.as_tensor.html#torch.as_tensor
3、 torch.
from_numpy
(ndarray)
torch.
from_numpy
資料類型:和輸入相同
拷貝類型:淺拷貝;
4、torch.Tensor()
torch.Tensor
是預設的tensor類型 (
torch.FloatTensor
) 的簡稱.
資料類型:預設Float32
拷貝類型:深拷貝
具體參考:https://pytorch.apachecn.org/docs/1.0/tensors.html
類似的包含8種張量,上連結均有介紹
5、Transform.ToTensor
def transform():
return Compose([
ToTensor(),
])
data = transform(data)
這是我采坑的地方,ToTensor會自動歸一化,也就是 / 255
隻處理三維資料(HWC),C不一定為3
參考感謝:
https://zhuanlan.zhihu.com/p/345648168
https://blog.csdn.net/github_28260175/article/details/105382060