如何将损失张量列表转换为NumPy数组？

你的张量位于CUDA设备且关联着计算图（带有grad_fn），转换需要处理设备迁移和计算图分离，以下是具体实现方式：

方法一：逐个转换后合并 #

先对每个张量执行分离计算图、转移到CPU、转换为NumPy元素，最后合并成数组：

import numpy as np
import torch

# 假设你的张量列表为loss_list
loss_list = [torch.tensor(0.0153, device='cuda:0', grad_fn=torch.div), 
             torch.tensor(0.0020, device='cuda:0', grad_fn=torch.div)]

# 逐个处理并转换为NumPy数组
np_loss_array = np.array([t.detach().cpu().numpy() for t in loss_list])

方法二：先合并为张量再整体转换 #

先把列表转为PyTorch张量，再统一处理设备和计算图，最后转换：

# 合并列表为单个张量
loss_tensor = torch.stack(loss_list)
# 转换为NumPy数组
np_loss_array = loss_tensor.detach().cpu().numpy()

简化方式：使用无梯度上下文管理器 #

如果不需要保留计算图，也可以用torch.no_grad()上下文管理器省略detach()：

with torch.no_grad():
    np_loss_array = np.array([t.cpu().numpy() for t in loss_list])

内容的提问来源于stack exchange，提问作者Uqhah