PyTorch复数张量转字典列表及逆向转换方法问询

正向转换（PyTorch复数张量 → JSON兼容字典列表） #

步骤代码 #

import torch
import json

# 定义你的复数张量
complex_tensor = torch.tensor([[0.2054+0.7081j, 0.6586+0.1506j],
                               [0.4596+0.7250j, -0.1743+0.4825j]])

# 转换为JSON支持的字典列表格式
# 遍历张量的每一行，再遍历每个复数元素，提取实部和虚部转成float
json_compatible_data = [
    [{"real": float(num.real), "img": float(num.imag)} for num in row]
    for row in complex_tensor
]

# 写入JSON文件
with open("complex_tensor_data.json", "w") as f:
    json.dump(json_compatible_data, f, indent=4)

关键说明 #

• PyTorch复数张量的每个元素可通过.real和.imag直接提取实部、虚部
• 必须转成Python原生float类型，否则JSON无法序列化张量元素
• 列表推导式是Python快速生成嵌套结构的常用方式，适配二维张量的结构

逆向转换（JSON字典列表 → PyTorch复数张量） #

步骤代码 #

import torch
import json

# 从JSON文件读取数据
with open("complex_tensor_data.json", "r") as f:
    loaded_json_data = json.load(f)

# 转换回PyTorch复数张量
# 遍历JSON的每一行，用complex()函数组合实部虚部，再转成张量
recovered_complex_tensor = torch.tensor([
    [complex(item["real"], item["img"]) for item in row]
    for row in loaded_json_data
], dtype=torch.complex64)

# 可选：验证转换结果是否一致
print("原始张量：")
print(complex_tensor)
print("\n恢复后的张量：")
print(recovered_complex_tensor)

关键说明 #

• Python内置complex(real, imag)函数可快速生成复数
• 指定dtype=torch.complex64确保张量与原始数据精度一致（对应32位浮点数的实虚部）
• 若原始张量是complex128类型，将dtype改成torch.complex128即可

内容的提问来源于stack exchange，提问作者shuai wang