如何用for循环转换PyTorch张量列表中的张量类型？

你尝试将张量从DoubleTensor转换为FloatTensor，但循环内显示转换成功，原张量却未改变。问题出在float()方法的特性以及循环中的赋值逻辑。

你的代码 #

import itertools
import torch

# 假设这里已定义xq_train_tensor等DoubleTensor类型的张量
train_tensorset = [xq_train_tensor,y_train_tensor]
val_tensorset = [xq_val_tensor,y_val_tensor]
test_tensorset = [xq_test_tensor,y_test_tensor]

tensor_list = [train_tensorset,val_tensorset,test_tensorset]
flat_tensor_list = list(itertools.chain.from_iterable(tensor_list))
print(f"Num tensors:{len(flat_tensor_list)}")

for i, tensor in enumerate(flat_tensor_list):
    tensor = flat_tensor_list[i].float()
    print(f"{i}: {tensor.type()}") 

print(f"xq_train_tensor: {xq_train_tensor.type()}")

代码输出 #

Num tensors:6
0: torch.FloatTensor
1: torch.FloatTensor
2: torch.FloatTensor
3: torch.FloatTensor
4: torch.FloatTensor
5: torch.FloatTensor
xq_train_tensor: torch.DoubleTensor

问题原因 #

float()方法会创建一个新的FloatTensor对象返回，而不是原地修改原张量。循环中的tensor = flat_tensor_list[i].float()只是让局部变量tensor指向了新张量，但原列表flat_tensor_list中的元素以及原始张量（如xq_train_tensor）并没有被更新。

解决方案 #

方案1：使用原地转换方法（推荐）

PyTorch提供了后缀带下划线的原地操作方法float_()，会直接修改原张量的类型，无需创建新对象：

for i, tensor in enumerate(flat_tensor_list):
    flat_tensor_list[i].float_()  # 原地转换类型，直接修改原张量
    print(f"{i}: {flat_tensor_list[i].type()}")

# 验证原张量类型
print(f"xq_train_tensor: {xq_train_tensor.type()}")

运行后原张量xq_train_tensor的类型会变为torch.FloatTensor。

方案2：更新列表元素并同步原变量

如果不想原地修改，可将新生成的FloatTensor赋值回列表，再重新拆分并更新原变量：

# 循环生成新张量并更新列表
for i in range(len(flat_tensor_list)):
    flat_tensor_list[i] = flat_tensor_list[i].float()
    print(f"{i}: {flat_tensor_list[i].type()}")

# 重新拆分回原数据集列表
train_tensorset = flat_tensor_list[0:2]
val_tensorset = flat_tensor_list[2:4]
test_tensorset = flat_tensor_list[4:6]

# 更新原张量变量
xq_train_tensor, y_train_tensor = train_tensorset
xq_val_tensor, y_val_tensor = val_tensorset
xq_test_tensor, y_test_tensor = test_tensorset

# 验证类型
print(f"xq_train_tensor: {xq_train_tensor.type()}")

内容的提问来源于stack exchange，提问作者D Danne