如何将numpy浮点型数组转换为无精度损失的torch张量？

问题说明 #

你观察到的现象不是实际精度丢失，只是PyTorch的默认打印配置只展示4位小数导致的视觉差异。torch.from_numpy()本身是零拷贝接口，会和原numpy数组共享内存，转换前后的数值完全一致，不存在精度损失，本身就能满足精度完全一致的转换需求。

验证方法 #

你可以通过修改打印配置或者直接对比单个元素值来确认：

import numpy as np
import torch

test = ['0.01171875', '0.01757812', '0.02929688']  
test_np = np.array(test).astype(float)
test_torch = torch.from_numpy(test_np)

# 方法1：修改PyTorch打印精度，显示完整小数位
torch.set_printoptions(precision=8)
print(test_torch)
# 输出：tensor([0.01171875, 0.01757812, 0.02929688], dtype=torch.float64)

# 方法2：对比单个元素的实际值
print(test_np[0] == test_torch[0].item())
# 输出：True

注意事项 #

如果要绝对保证精度匹配，只要确保转换前numpy数组的浮点类型和你需要的精度一致即可：

• 若numpy数组为float32，转换后得到的torch张量也为float32
• 若numpy数组为float64，转换后得到的torch张量也为float64
torch.from_numpy()会完全继承原numpy数组的dtype，不需要额外调用其他转换函数。

内容的提问来源于stack exchange，提问作者user10735026