博客

如何将Pytorch张量转换为Numpy数组

  • Post category:Python

将PyTorch张量转换为NumPy数组的过程非常简单，只需要使用.numpy()方法即可。下面是详细的攻略步骤：

步骤1：导入PyTorch和NumPy库

在进行PyTorch张量和NumPy数组的转换之前，首先需要导入PyTorch和NumPy库。可以使用如下代码：

import torch
import numpy as np

步骤2：创建PyTorch张量

在进行转换之前，我们首先需要创建一个PyTorch张量。可以使用如下代码：

# 创建一个形状为(3, 3)的浮点型张量
x = torch.FloatTensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

步骤3：将PyTorch张量转换为NumPy数组

PyTorch中的张量对象具有.numpy()方法，可以将张量转换为NumPy数组。可以使用如下代码：

# 将PyTorch张量x转换为NumPy数组y
y = x.numpy()

示例1：将PyTorch张量转换为NumPy数组

下面是一个完整的示例，展示如何将PyTorch张量转换为NumPy数组：

import torch
import numpy as np

# 创建一个形状为(3, 3)的浮点型张量
x = torch.FloatTensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 将PyTorch张量x转换为NumPy数组y
y = x.numpy()

print('PyTorch张量：')
print(x)
print('NumPy数组：')
print(y)

输出结果为：

PyTorch张量：
tensor([[1., 2., 3.],
        [4., 5., 6.],
        [7., 8., 9.]])
NumPy数组：
[[1. 2. 3.]
 [4. 5. 6.]
 [7. 8. 9.]]

示例2：修改NumPy数组并进行反向转换

示例2展示如何将NumPy数组转换为PyTorch张量，并修改NumPy数组再进行反向转换：

import torch
import numpy as np

# 创建一个形状为(3, 3)的浮点型张量
x = torch.FloatTensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 将PyTorch张量x转换为NumPy数组y
y = x.numpy()

# 修改NumPy数组
y[1, 1] = 0

# 将修改后的NumPy数组z转换为PyTorch张量
z = torch.from_numpy(y)

print('PyTorch张量x：')
print(x)
print('NumPy数组y：')
print(y)
print('PyTorch张量z：')
print(z)

输出结果为：

PyTorch张量x：
tensor([[1., 2., 3.],
        [4., 5., 6.],
        [7., 8., 9.]])
NumPy数组y：
[[1. 2. 3.]
 [4. 0. 6.]
 [7. 8. 9.]]
PyTorch张量z：
tensor([[1., 2., 3.],
        [4., 0., 6.],
        [7., 8., 9.]])

可以看到，在将NumPy数组y转换为PyTorch张量z之后，PyTorch张量x和修改后的NumPy数组y都被更新了。这是因为.from_numpy()方法只是将NumPy数组包装在一个PyTorch张量中，而不会创建新的内存空间。因此，在修改NumPy数组y之后，PyTorch张量z也被更新了。

Tags: