如何将PyTorch的Tensor张量转换为float浮点类型？

方案1：后端直接转换（推荐） #

优先在Flask侧处理完成后再返回响应，避免前端额外解析逻辑：
PyTorch的tensor对象自带转换方法，单元素张量调用.item()可直接转换为Python原生float类型，多元素张量调用.tolist()可转换为Python数值列表，无需转成tensor字符串返回。
代码示例：

from flask import jsonify

# 你的推理逻辑，得到预测tensor
pred_tensor = model(推理输入数据)

# 转换为可序列化的数值类型
# 单元素tensor用以下代码
pred_result = pred_tensor.item()
# 多元素tensor替换为下行代码
# pred_result = pred_tensor.tolist()

# 构造返回响应
return jsonify({
  "result": {
    "predictions": pred_result
  }
})

转换后返回给前端的响应结构如下，React可直接读取数值使用：

{
  "result": {
    "predictions": -3.4333
  }
}

方案2：前端解析转换（仅适用于无法修改后端代码的场景） #

如果暂时不能调整后端逻辑，可在React侧通过正则提取tensor字符串中的数值，再转成float类型：
代码示例：

// 从接口获取到的predictions字符串
const tensorStr = "tensor([[-3.4333]], grad_fn=<AddmmBackward>)";
// 正则匹配提取浮点数值
const floatVal = parseFloat(tensorStr.match(/-?\d+\.\d+/)[0]);

内容的提问来源于stack exchange，提问作者harsh