PyTorch中布尔转浮点类型时CPU与GPU的行为差异咨询

行为是否符合预期？ #

这个行为不符合预期，属于PyTorch在图像加载与跨设备类型转换场景下的异常表现，通常是由PIL图像转numpy数组的类型交互、加上CPU/GPU底层实现差异共同导致的。

原因分析 #

你加载的是灰度/二值掩码图像，PIL读取后转成numpy数组时实际是uint8类型（像素值为0和255），但通过torch.from_numpy转换时，可能因隐式转换（或旧版本PyTorch的行为）被标记为torch.bool类型，但底层仍保留着原始的uint8数值：

• 在CPU上执行.float()转换时，PyTorch直接读取底层uint8值并转成float，因此得到[0., 255.]；
• 在GPU上转换时，底层存储被错误解析为int8类型（uint8的255对应int8的-1），转成float后就得到[-1., 0.]。

解决方法 #

• 显式指定张量类型，避免隐式转换：

  # 直接指定uint8类型加载
  mask = torch.tensor(np.array(Image.open('Black_Footed_Albatross_0002_55.png')), dtype=torch.uint8)
  
  # 更推荐用torchvision的规范加载方式
  from torchvision.io import read_image
  mask = read_image('Black_Footed_Albatross_0002_55.png')
  

• 若需bool张量，显式转换后再转float（保证CPU/GPU行为一致）：

  mask_bool = mask == 255  # 明确将白色像素（255）转为True
  print(mask_bool.float().unique())  # 无论CPU/GPU都会得到[0., 1.]
  

了解更多信息的渠道 #

• 查看PyTorch官方文档中类型转换章节，重点关注torch.Tensor.float()、torch.Tensor.to()的跨设备转换规则；
• 在PyTorch的GitHub Issues中搜索类似关键词（如bool tensor float conversion cpu gpu difference），查看官方团队的回复和相关案例；
• 访问PyTorch官方论坛（Discussions），搜索跨设备类型转换的相关问题与解决方案。

内容的提问来源于stack exchange，提问作者kampta