使用PyTorch时能否直接传入Numpy Arrays?TensorFlow代码迁移疑问
PyTorch计算输入格式说明
- 首先明确结论:PyTorch的内置算子、自动求导机制、神经网络层都仅支持
torch.Tensor类型作为输入,无法直接使用Numpy数组开展计算,直接传入Numpy数组会触发类型报错。 - Numpy数组转PyTorch张量的操作非常简便,你可以使用
torch.from_numpy()方法完成转换:该方法默认和原Numpy数组共享内存,任意一方修改数值都会同步到另一方,如果需要独立存储可以使用
torch.tensor(你的numpy数组),或者在转换后调用.clone()方法。 - 示例转换与使用代码:
import numpy as np import torch # 原有Numpy数组 np_input = np.array([[1.0, 2.0], [3.0, 4.0]], dtype=np.float32) # 转换为PyTorch张量 torch_input = torch.from_numpy(np_input) # 正常参与PyTorch计算 output = torch.matmul(torch_input, torch.tensor([[1.], [2.]])) # 计算完成后如果需要转回Numpy格式,调用.numpy()方法即可 output_np = output.numpy()
- 额外注意事项:如果你的张量存储在GPU上,需要先调用
.cpu()方法转移到CPU后才能转成Numpy数组;如果模型使用的精度和转换后的张量精度不一致,需要调用.to(torch.float32)之类的方法调整精度后再输入模型。
内容的提问来源于stack exchange,提问作者Amanda George
相关产品推荐
相关产品推荐

