pytorch: tensor类型的构建与相互转换实例
更新时间:2018年07月26日 14:21:35 作者:JNingWei
今天小编就为大家分享一篇pytorch: tensor类型的构建与相互转换实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
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脚本之家。
相关文章
python之tensorflow手把手实例讲解猫狗识别实现
要说到深度学习图像分类的经典案例之一,那就是猫狗大战了。猫和狗在外观上的差别还是挺明显的,无论是体型、四肢、脸庞和毛发等等, 都是能通过肉眼很容易区分的。那么如何让机器来识别猫和狗呢?网上已经有不少人写过这案例了,我也来尝试下练练手。2021-09-09Keras: model实现固定部分layer,训练部分layer操作
这篇文章主要介绍了Keras: model实现固定部分layer,训练部分layer操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2020-06-06
最新评论