解決Numpy與Pytorch彼此轉(zhuǎn)換時(shí)的坑
前言
最近使用 Numpy包與Pytorch寫(xiě)神經(jīng)網(wǎng)絡(luò)時(shí)，經(jīng)常需要兩者彼此轉(zhuǎn)換，故用此筆記記錄碼代碼時(shí)踩（菜）過(guò)的坑，網(wǎng)上有人說(shuō)：
Pytorch 又被稱為 GPU 版的 Numpy，二者的許多功能都有良好的一一對(duì)應(yīng)。
但在使用時(shí)還是得多多注意，一個(gè)不留神就陷入到了 一根煙一杯酒，一個(gè)Bug找一宿 的地步。
1.1、numpy ——> torch
使用 torch.from_numpy() 轉(zhuǎn)換，需要注意，兩者共享內(nèi)存。例子如下：
import torch
import numpy as np
a = np.array([1,2,3])
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print('轉(zhuǎn)換后a', a)
print('轉(zhuǎn)換后b', b)
# 顯示
轉(zhuǎn)換后a [2 3 4]
轉(zhuǎn)換后b tensor([2, 3, 4], dtype=torch.int32)
1.2、torch——> numpy
使用 .numpy() 轉(zhuǎn)換，同樣，兩者共享內(nèi)存。例子如下：
import torch
import numpy as np
a = torch.zeros((2, 3), dtype=torch.float)
c = a.numpy()
np.add(c, 1, out=c)
print('a:', a)
print('c：', c)
# 結(jié)果
a: tensor([[1., 1., 1.],
[1., 1., 1.]])
c： [[1. 1. 1.]
[1. 1. 1.]]
需要注意的是，如果將程序中的 np.add(c, 1, out=c) 改成 c = c + 1 會(huì)發(fā)現(xiàn)兩者貌似不共享內(nèi)存了，其實(shí)不然，原因是后者相當(dāng)于改變了 c 的存儲(chǔ)地址?？梢允褂?id(c) 發(fā)現(xiàn)c的內(nèi)存位置變了。
補(bǔ)充：pytorch中tensor數(shù)據(jù)和numpy數(shù)據(jù)轉(zhuǎn)換中注意的一個(gè)問(wèn)題
在pytorch中，把numpy.array數(shù)據(jù)轉(zhuǎn)換到張量tensor數(shù)據(jù)的常用函數(shù)是torch.from_numpy(array)或者torch.Tensor(array)，第一種函數(shù)更常用。
下面通過(guò)代碼看一下區(qū)別：
import numpy as np
import torch
a=np.arange(6,dtype=int).reshape(2,3)
b=torch.from_numpy(a)
c=torch.Tensor(a)
a[0][0]=10
print(a,'\n',b,'\n',c)
[[10 1 2]
[ 3 4 5]]
tensor([[10, 1, 2],
[ 3, 4, 5]], dtype=torch.int32)
tensor([[0., 1., 2.],
[3., 4., 5.]])
c[0][0]=10
print(a,'\n',b,'\n',c)
[[10 1 2]
[ 3 4 5]]
tensor([[10, 1, 2],
[ 3, 4, 5]], dtype=torch.int32)
tensor([[10., 1., 2.],
[ 3., 4., 5.]])
print(b.type())
torch.IntTensor
print(c.type())
torch.FloatTensor
可以看出修改數(shù)組a的元素值，張量b的元素值也改變了，但是張量c卻不變。修改張量c的元素值，數(shù)組a和張量b的元素值都不變。
這說(shuō)明torch.from_numpy(array)是做數(shù)組的淺拷貝，torch.Tensor(array)是做數(shù)組的深拷貝。
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
python實(shí)現(xiàn)人臉簽到系統(tǒng)
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)人臉簽到系統(tǒng)，帶數(shù)據(jù)庫(kù)存儲(chǔ)，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2020-04-04
PyMuPDF,也被稱為fitz（這是其導(dǎo)入時(shí)的常用別名）,是一個(gè)功能強(qiáng)大的Python庫(kù),用于處理PDF和其他文檔格式,與 PyPDF2相比,PyMuPDF提供了更多的功能和更好的性能,特別是在處理復(fù)雜的PDF文件時(shí),本文給大家介紹了Python使用PyMuPDF操作PDF,需要的朋友可以參考下2025-02-02
python Pexpect 實(shí)現(xiàn)輸密碼 scp 拷貝的方法
今天小編就為大家分享一篇python Pexpect 實(shí)現(xiàn)輸密碼 scp 拷貝的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-01-01
python 使用cx-freeze打包程序的實(shí)現(xiàn)
這篇文章主要介紹了python 使用cx-freeze打包程序的實(shí)現(xiàn)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-03-03
Python中用post、get方式提交數(shù)據(jù)的方法示例
最近在學(xué)習(xí)使用Python,發(fā)現(xiàn)網(wǎng)上很少提到如何使用post，所以下面這篇文章主要給大家介紹了關(guān)于Python中用post、get方式提交數(shù)據(jù)的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來(lái)一起看看吧。2017-09-09
python 實(shí)現(xiàn)堆排序算法代碼，需要的朋友可以參考下2012-06-06
Python?NumPy教程之?dāng)?shù)據(jù)類(lèi)型對(duì)象詳解
每個(gè)?ndarray?都有一個(gè)關(guān)聯(lián)的數(shù)據(jù)類(lèi)型?(dtype)?對(duì)象。這個(gè)數(shù)據(jù)類(lèi)型對(duì)象（dtype）告訴我們數(shù)組的布局。本文將通過(guò)示例詳細(xì)講講NumPy的數(shù)據(jù)類(lèi)型對(duì)象，需要的可以參考一下2022-08-08
Python中日期和時(shí)間的互相轉(zhuǎn)換操作方法
Python的datetime模塊提供了一套強(qiáng)大而靈活的工具,使我們能夠輕松地在不同的時(shí)間表示形式間相互轉(zhuǎn)換,并進(jìn)行復(fù)雜的時(shí)間計(jì)算,本文通過(guò)一個(gè)實(shí)用的例子向大家展示如何在Python中高效地進(jìn)行這些操作,感興趣的朋友一起看看吧2024-05-05
這篇文章主要介紹了python3判斷url鏈接是否為404的方法，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-08-08
這篇文章主要介紹了numpy.where() 用法詳解，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-05-05