Pytorch的tensor数据类型

基本类型

torch.Tensor是一种包含单一数据类型元素的多维矩阵。

Torch定义了七种CPU tensor类型和八种GPU tensor类型：

Data tyoe	CPU tensor	GPU tensor
32-bit floating point	torch.FloatTensor	torch.cuda.FloatTensor
64-bit floating point	torch.DoubleTensor	torch.cuda.DoubleTensor
16-bit floating point	N/A	torch.cuda.HalfTensor
8-bit integer (unsigned)	torch.ByteTensor	torch.cuda.ByteTensor
8-bit integer (signed)	torch.CharTensor	torch.cuda.CharTensor
16-bit integer (signed)	torch.ShortTensor	torch.cuda.ShortTensor
32-bit integer (signed)	torch.IntTensor	torch.cuda.IntTensor
64-bit integer (signed)	torch.LongTensor	torch.cuda.LongTensor

torch.DoubleTensor(2, 2) 构建一个22 Double类型的张量 torch.ByteTensor(2, 2) 构建一个22 Byte类型的张量 torch.CharTensor(2, 2) 构建一个22 Char类型的张量 torch.ShortTensor(2, 2) 构建一个22 Short类型的张量 torch.IntTensor(2, 2) 构建一个22 Int类型的张量 torch.LongTensor(2, 2) 构建一个22 Long类型的张量

类型转换

2.1 CPU和GPU的Tensor之间转换

从cpu –> gpu，使用data.cuda()便可。 若从gpu –> cpu，则使用data.cpu()。

2.2 Tensor与Numpy Array之间的转换

Tensor –> Numpy.ndarray 能够使用 data.numpy()，其中data的类型为torch.Tensor。 Numpy.ndarray –> Tensor 能够使用torch.from_numpy(data)，其中data的类型为numpy.ndarray。

2.3 Tensor的基本类型转换（也就是float转double，转byte这种。）

为了方便测试，咱们构建一个新的张量，你要转变成不一样的类型只须要根据本身的需求选择便可

1. tensor = torch.Tensor(2, 5)

2. torch.long() 将tensor投射为long类型 newtensor = tensor.long()

3. torch.half()将tensor投射为半精度浮点(16位浮点)类型 newtensor = tensor.half()

4. torch.int()将该tensor投射为int类型 newtensor = tensor.int()

5. torch.double()将该tensor投射为double类型 newtensor = tensor.double()

6. torch.float()将该tensor投射为float类型 newtensor = tensor.float()

7. torch.char()将该tensor投射为char类型 newtensor = tensor.char()

8. torch.byte()将该tensor投射为byte类型 newtensor = tensor.byte()

9. torch.short()将该tensor投射为short类型 newtensor = tensor.short()

若是当你须要提升精度，好比说想把模型从float变为double。那么能够将要训练的模型设置为model = model.double()。此外，还要对全部的张量进行设置：pytorch.set_default_tensor_type('torch.DoubleTensor')，不过double比float要慢不少，要结合实际状况进行思考。