南强小屋 Design By 杰米
在使用pytorch的时候，经常会涉及到两种数据格式tensor和ndarray之间的转换，这里总结一下两种格式的转换：
1. tensor cpu 和tensor gpu之间的转化：
tensor cpu 转为tensor gpu：
tensor_gpu = tensor_cpu.cuda()
> tensor_cpu = torch.ones((2,2))
tensor([[1., 1.],
[1., 1.]])
> tensor_gpu = tensor_cpu.cuda()
tensor([[1., 1.],
[1., 1.]], device='cuda:0')
tensor gpu 转为tensor cpu：
tensor_cpu = tensor_gpu.cuda()
> tensor_gpu.cpu()
tensor([[1., 1.],
[1., 1.]])
2. tensor cpu 和 ndarray 之间的转化：
tensor cpu 转为 ndarray：
> np_array= tensor_cpu.numpy()
array([[1., 1.],
[1., 1.]], dtype=float32)
ndarray 转为 tensor cpu：
注：ndarray的默认精度为64位，Tensor的默认精度位32位，所以通过Tensor直接转换的话，精度会转换到32位，若通过from_numpy的方式，则会保留原来64位精度
> torch.from_numpy(np.ones((2,2)))
tensor([[1., 1.],
[1., 1.]], dtype=torch.float64)
> torch.Tensor(np.ones((2,2)))
tensor([[1., 1.],
[1., 1.]])
3. tensor cpu 和 scalar 之间的转化：
如果只是训练了一个简单的分类网络，对单个样本的输出会是一个标量（scalar）
>torch.ones((1,1)).item() 1.0
通过一张图说明三者的转化方式：
南强小屋 Design By 杰米
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
南强小屋 Design By 杰米
暂无详解pytorch tensor和ndarray转换相关总结的评论...
P70系列延期，华为新旗舰将在下月发布
3月20日消息，近期博主@数码闲聊站 透露，原定三月份发布的华为新旗舰P70系列延期发布，预计4月份上市。
而博主@定焦数码 爆料，华为的P70系列在定位上已经超过了Mate60，成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢？
根据目前爆料的消息来看，华为P70系列将推出三个版本，其中P70和P70 Pro采用了三角形的摄像头模组设计，而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智，但辨识度绝对拉满。