将PyTorch bfloat16张量转NumPy数组触发TypeError，求解决方法

直接调用x.numpy()或np.array(x)转换PyTorch的bfloat16张量会触发TypeError，核心原因是NumPy原生不支持bfloat16数据类型。以下是两种可行的替代方案：

方案1：转成NumPy兼容的浮点类型再转换 #

先将bfloat16张量转换为float32或float64（这两种类型是NumPy完全支持的），再调用numpy()方法：

import torch
import numpy as np

x = torch.Tensor([0]).to(torch.bfloat16)
# 转换为float32后转NumPy（无精度损失）
x_np = x.to(torch.float32).numpy()
# 或者转换为float64
x_np = x.to(torch.float64).numpy()

这种方法简单高效，适合绝大多数日常场景，精度损失可以忽略（bfloat16转float32不会丢失有效精度，转float64仅扩展存储位数）。

方案2：保留原始bfloat16字节数据 #

如果需要保留bfloat16的原始二进制存储（比如用于二进制文件读写、跨框架数据传输），可以先将张量转为字节数组，再用NumPy解析为uint16类型（对应bfloat16的16位存储）：

import torch
import numpy as np

x = torch.Tensor([0]).to(torch.bfloat16)
# 将bfloat16张量转为uint8字节数组
x_bytes = x.cpu().contiguous().view(torch.uint8).numpy()
# 重新解释为uint16，对应bfloat16的原始二进制值
x_bf16_raw = x_bytes.view(np.uint16)

后续如果需要恢复为bfloat16张量，只需将uint16数组转回字节，再用PyTorch重新解析即可。

内容的提问来源于stack exchange，提问作者Ricardo Decal