引言

在PyTorch的深度學習開發(fā)中，張量（Tensor）作為核心數(shù)據(jù)結(jié)構(gòu)，其類型的靈活創(chuàng)建與轉(zhuǎn)換是基礎(chǔ)且關(guān)鍵的操作。不同的業(yè)務場景、硬件環(huán)境對張量數(shù)據(jù)類型有著不同的要求，比如輕量化訓練常用float16，常規(guī)訓練多用float32，高精度計算會用到float64。今天就帶大家系統(tǒng)掌握PyTorch中張量指定類型的創(chuàng)建方法，以及多種類型轉(zhuǎn)換技巧，從基礎(chǔ)概念到實操代碼，一站式吃透

一、前置基礎(chǔ)：比特位與數(shù)據(jù)類型的小知識

在學習張量類型之前，我們先理清一個基礎(chǔ)概念：比特位（bit）與字節(jié)（Byte）的關(guān)系，這是理解不同數(shù)值類型的核心。

1個字節(jié) = 8個比特位，而PyTorch中的數(shù)值類型正是通過比特位數(shù)量定義的，比如float16代表16個比特位，換算下來就是2個字節(jié)，這也決定了該類型的存儲大小和精度：比特位越少，占用內(nèi)存越小，精度相對越低；比特位越多，占用內(nèi)存越大，精度也越高。

給大家整理了PyTorch中常用張量數(shù)據(jù)類型的對應關(guān)系，一張表就能看明白

二、小技巧：PyTorch文件重命名的快捷操作

在實際開發(fā)中，我們常會遇到文件命名錯誤的情況，比如把“張量類型轉(zhuǎn)換”的文件命名成了“張亮元素類型轉(zhuǎn)換”，這里分享兩個PyTorch項目（PyCharm編輯器）中高效的文件重命名方法，告別手動刪除重建的繁瑣：

方法1：基礎(chǔ)法——右鍵刪除重建

操作簡單，適合新手：右鍵錯誤命名的文件→刪除→新建同名（正確名稱）的.py文件，缺點是需要重新寫文件頭和導入代碼，效率較低。

方法2：快捷法——重構(gòu)重命名（推薦）

這是開發(fā)中最常用的方法，快捷鍵Shift+F6，步驟如下：

1. 選中需要重命名的文件；
2. 按下Shift+F6，或右鍵選擇Refactor（重構(gòu)）→Rename（重命名）；
3. 輸入正確的文件名，回車確認，整個項目中對該文件的引用會自動更新，無需手動修改！

三、核心操作1：創(chuàng)建指定類型的張量

創(chuàng)建張量時直接指定類型，是最常用、最高效的方式，避免后續(xù)二次轉(zhuǎn)換的麻煩。在使用torch.tensor()創(chuàng)建張量時，通過dtype參數(shù)即可指定張量的元素類型，這里先理清兩個極易混淆的概念，避免踩坑：

• tensor.dtype：查看張量內(nèi)元素的類型（如torch.float32、torch.int64），這是我們最常關(guān)注的屬性；
• tensor.type()：查看張量本身的類型，結(jié)果一般為torch.Tensor，代表這是一個張量對象。

3.1 基礎(chǔ)創(chuàng)建：默認類型張量

當我們不指定dtype時，PyTorch會根據(jù)輸入的數(shù)值類型自動分配默認張量類型：

import torch  # 導入PyTorch庫，版本建議2.0+

# 創(chuàng)建整數(shù)張量，默認dtype=torch.int64
t1 = torch.tensor([1,2,3,4,5])
print(f"張量元素類型：{t1.dtype}")  # 輸出：torch.int64
print(f"張量本身類型：{t1.type()}") # 輸出：torch.LongTensor（對應int64）

# 創(chuàng)建浮點張量，默認dtype=torch.float32
t2 = torch.tensor([1.0,2.0,3.0])
print(f"張量元素類型：{t2.dtype}")  # 輸出：torch.float32
print(f"張量本身類型：{t2.type()}") # 輸出：torch.FloatTensor（對應float32）

3.2 精準創(chuàng)建：指定dtype的張量

通過dtype=torch.xxx即可自定義張量元素類型，滿足不同場景需求，代碼示例如下：

import torch

# 創(chuàng)建float16類型張量
t_float16 = torch.tensor([1,2,3], dtype=torch.float16)
# 創(chuàng)建float64類型張量
t_float64 = torch.tensor([1,2,3], dtype=torch.float64)
# 創(chuàng)建int16類型張量
t_int16 = torch.tensor([1,2,3], dtype=torch.int16)
# 創(chuàng)建int32類型張量
t_int32 = torch.tensor([1,2,3], dtype=torch.int32)

print(f"float16張量：{t_float16.dtype}")  # torch.float16
print(f"float64張量：{t_float64.dtype}")  # torch.float64
print(f"int16張量：{t_int16.dtype}")      # torch.int16
print(f"int32張量：{t_int32.dtype}")      # torch.int32

重點：在深度學習訓練中，我們幾乎都會用dtype=torch.float32創(chuàng)建張量，這是框架默認的訓練精度，兼顧速度和精度??

四、核心操作2：張量的類型轉(zhuǎn)換

實際開發(fā)中，我們常會遇到已創(chuàng)建的張量類型不符合需求的情況，比如把默認的int64轉(zhuǎn)成float32，把float32轉(zhuǎn)成float16做輕量化。PyTorch提供了兩種類型轉(zhuǎn)換方法，一種通用萬能（推薦掌握），一種針對性便捷（適合有Java基礎(chǔ)的同學），下面詳細講解。

4.1 萬能轉(zhuǎn)換法：type()函數(shù)（強推）

type()函數(shù)是PyTorch中張量類型轉(zhuǎn)換的通用方法，支持任意類型之間的轉(zhuǎn)換，只需在函數(shù)中傳入目標類型torch.xxx即可，語法簡單、記憶成本低，是新手必掌握的方法。

代碼實操：type()函數(shù)轉(zhuǎn)換示例

import torch

# 第一步：創(chuàng)建基礎(chǔ)張量（float32類型）
t = torch.tensor([1,2,3,4,5], dtype=torch.float32)
print(f"原始類型：{t.dtype}")  # 輸出：torch.float32

# 轉(zhuǎn)換為int16類型
t_int16 = t.type(torch.int16)
print(f"轉(zhuǎn)換為int16：{t_int16.dtype}")  # 輸出：torch.int16

# 轉(zhuǎn)換為float16類型
t_float16 = t.type(torch.float16)
print(f"轉(zhuǎn)換為float16：{t_float16.dtype}")  # 輸出：torch.float16

# 轉(zhuǎn)換為float64類型
t_float64 = t.type(torch.float64)
print(f"轉(zhuǎn)換為float64：{t_float64.dtype}")  # 輸出：torch.float64

# 轉(zhuǎn)換為int64類型
t_int64 = t.type(torch.int64)
print(f"轉(zhuǎn)換為int64：{t_int64.dtype}")  # 輸出：torch.int64

核心優(yōu)勢：無論是什么原始類型，只需改變type()中的目標參數(shù)，就能實現(xiàn)任意轉(zhuǎn)換，無需記憶多個函數(shù)，一招鮮吃遍天

4.2 便捷轉(zhuǎn)換法：專屬類型函數(shù)

PyTorch為每種常用類型都提供了專屬的轉(zhuǎn)換函數(shù)，比如half()、float()、double()、short()等，這些函數(shù)的命名和Java中的基本類型轉(zhuǎn)換高度相似，有Java基礎(chǔ)的同學會很容易上手。

需要注意的是，這類函數(shù)無需傳入?yún)?shù)，調(diào)用后直接將張量轉(zhuǎn)換為對應類型，下面是具體的函數(shù)與類型對應關(guān)系，再配合代碼實操理解

專屬函數(shù)與類型對應表

代碼實操：專屬函數(shù)轉(zhuǎn)換示例

import torch

# 創(chuàng)建基礎(chǔ)張量（int16類型）
t = torch.tensor([1,2,3,4,5], dtype=torch.int16)
print(f"原始類型：{t.dtype}")  # 輸出：torch.int16

# half() → float16
t_half = t.half()
print(f"half()轉(zhuǎn)換：{t_half.dtype}")  # torch.float16

# float() → float32
t_float = t.float()
print(f"float()轉(zhuǎn)換：{t_float.dtype}")  # torch.float32

# double() → float64
t_double = t.double()
print(f"double()轉(zhuǎn)換：{t_double.dtype}")  # torch.float64

# short() → int16（原類型，無變化）
t_short = t.short()
print(f"short()轉(zhuǎn)換：{t_short.dtype}")  # torch.int16

# int() → int32
t_int = t.int()
print(f"int()轉(zhuǎn)換：{t_int.dtype}")  # torch.int32

# long() → int64
t_long = t.long()
print(f"long()轉(zhuǎn)換：{t_long.dtype}")  # torch.int64

4.3 兩種轉(zhuǎn)換方法的對比??

為了讓大家更清晰區(qū)分兩種轉(zhuǎn)換方法的優(yōu)劣、精準匹配自身使用場景，我用Mermaid流程圖做了直觀可視化對比，核心優(yōu)缺點與適配人群一目了然，新手也能快速選對方法

圖表核心解讀：左側(cè)通用type()函數(shù)主打一個“全能適配”，不需要額外記憶多個函數(shù)，完全貼合深度學習新手的學習路徑，哪怕后續(xù)遇到特殊類型轉(zhuǎn)換也能輕松應對；右側(cè)專屬函數(shù)寫法更簡潔，適合有Java基礎(chǔ)的同學快速簡寫，但場景局限性更強。日常做PyTorch項目開發(fā)，優(yōu)先吃透type()函數(shù)，足以搞定99%的張量類型轉(zhuǎn)換需求，穩(wěn)妥又高效

五、實操小總結(jié)：核心知識點梳理

1. 基礎(chǔ)概念：1字節(jié)=8比特位，PyTorch數(shù)值類型由比特位定義，默認整數(shù)int64、浮點float32；
2. 文件重命名：PyCharm中Shift+F6一鍵重構(gòu)，高效且自動更新引用；
3. 兩個關(guān)鍵屬性：dtype看元素類型，type()看張量對象類型，切勿混淆；
4. 指定類型創(chuàng)建：torch.tensor(數(shù)據(jù), dtype=torch.xxx)，深度學習常用torch.float32；
5. 類型轉(zhuǎn)換：新手強推type(torch.xxx)通用法，有Java基礎(chǔ)可使用half()/float()等專屬法；
6. 類型對應：half=float16、float=float32、double=float64、short=int16，記牢這組對應關(guān)系。

六、寫在最后

張量的類型創(chuàng)建與轉(zhuǎn)換是PyTorch的入門基礎(chǔ)，看似簡單，但卻是后續(xù)模型訓練、推理優(yōu)化的關(guān)鍵。比如在顯存不足的顯卡上訓練大模型，將張量從float32轉(zhuǎn)成float16能直接節(jié)省一半顯存；在高精度計算場景中，用float64能提升計算準確性。

希望這篇文章能幫大家徹底吃透張量類型的相關(guān)操作，把基礎(chǔ)打牢，后續(xù)才能更順暢地學習PyTorch的進階知識。0基礎(chǔ)學AI開發(fā)并不可怕，只要一步一個腳印，吃透每個基礎(chǔ)知識點，終能實現(xiàn)技術(shù)的提升。

以上就是PyTorch張量類型創(chuàng)建與轉(zhuǎn)換的詳細指南的詳細內(nèi)容，更多關(guān)于PyTorch張量類型創(chuàng)建與轉(zhuǎn)換的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論