为什么要相互转换:
1. 要对tensor进行操作,需要先启动一个Session,否则,我们无法对一个tensor比如一个tensor常量重新赋值或是做一些判断操作,所以如果将它转化为numpy数组就好处理了。下面一个小程序讲述了将tensor转化为numpy数组,以及又重新还原为tensor:
2. Torch的Tensor和numpy的array会共享他们的存储空间,修改一个会导致另外的一个也被修改。
# convert Tensor x of torch to array y of numpy:
y = x.numpy();
# convert array x of numpy to Tensor y of torch:
y = torch.from_numpy(x)
# 先将数据转换成Tensor, 再使用CUDA函数来将Tensor移动到GPU上加速
如果想把CUDA tensor格式的数据改成numpy时,需要先将其转换成cpu float-tensor随后再转到numpy格式。
x_np = x.data.numpy()
# 改为:
x_np = x.data.cpu().numpy()
参考1:https://blog.csdn.net/ljs_a/article/details/78758116
参考2:https://blog.csdn.net/u012436149/article/details/54627597
参考3:https://blog.csdn.net/weixin_39449466/article/details/80410314