1.tensor to numpy

1.1代碼 .numpy()

import torch
a0 = torch.ones(6)
print(a0)

運行結果：
tensor([1., 1., 1., 1., 1., 1.])

a1 = a0.numpy()
print(a1)

運行結果：
[1. 1. 1. 1. 1. 1.]

1.2注意事項

①轉換后的tensor與numpy指向同一地址，所以對其中一個變量的值改變另一方也會隨之改變。

a0.add_(1)
print('a0=',a0)
print('a1=',a1)

運行結果：
a0= tensor([3., 3., 3., 3., 3., 3.])
a1= [3. 3. 3. 3. 3. 3.]
②如果想把CUDA tensor格式的數據改成numpy時，需要先將其轉換成cpu float-tensor隨后再轉到numpy格式。
numpy不能直接讀取CUDA tensor，需要將它轉化為 CPU tensor。

import torch
a=torch.ones(6)
if torch.cuda.is_available():
    a=a.cuda()
print(a)

運行結果：
tensor([1., 1., 1., 1., 1., 1.], device=‘cuda:0’)

a=a.numpy()

運行結果：
TypeError: can’t convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.

a=a.cpu().numpy()
print(a)

運行結果：
[1. 1. 1. 1. 1. 1.]

2.numpy to tensor

2.1 代碼 torch.from.numpy

import numpy as np
a = np.ones(6)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print('a=',a)
print('b=',b)
print('typea=',a.dtype)
print('typeb=',b.dtype)

運行結果：
a= [2. 2. 2. 2. 2. 2.]
b= tensor([2., 2., 2., 2., 2., 2.], dtype=torch.float64)
typea= float64
typeb= torch.float64

注意： 轉換后的tensor與numpy指向同一地址，所以對其中一個變量的值改變另一方也會隨之改變。且轉換后的數據類型與源類型一致。

2.2 torch.Tensor

import numpy as np
a = np.ones(6)
b = torch.Tensor(a)
np.add(a, 1, out=a)
print('a=',a)
print('b=',b)
print('typea=',a.dtype)
print('typeb=',b.dtype)

運行結果：
a= [2. 2. 2. 2. 2. 2.]
b= tensor([1., 1., 1., 1., 1., 1.])
typea= float64
typeb= torch.float32
注意： 轉換后的tensor與numpy不指向同一地址，所以對其中一個變量的值改變另一方不會隨之改變。且不論源數據類型是什么，轉換后的數據類型均為float32。

2.3 注意事項

①torch.Tensor和torch.from.numpy都可以將numpy類轉化為tensor類，但torch.from.numpy更加安全，使用torch.Tensor在非float類型下會與預期不符。
也就是說，黨轉換的源是float類型，torch.Tensor與torch.from.numpy會共享一塊內存，且轉換后的結果類型都是torch.float32。
當轉換的源不是float類型，torch.Tensor得到的是torch.float32，而torch.from_numpy則是與源類型一致。

②除chartensor外所有tensor都可以轉換為numpy