pytorch中函數(shù)tensor.numpy()的數(shù)據(jù)類(lèi)型實(shí)例分析

這篇文章主要講解了“pytorch中函數(shù)tensor.numpy()的數(shù)據(jù)類(lèi)型實(shí)例分析”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來(lái)研究和學(xué)習(xí)“pytorch中函數(shù)tensor.numpy()的數(shù)據(jù)類(lèi)型實(shí)例分析”吧！

函數(shù)tensor.numpy()的數(shù)據(jù)類(lèi)型

今天寫(xiě)代碼的時(shí)候，要統(tǒng)計(jì)一下標(biāo)簽數(shù)據(jù)里出現(xiàn)的類(lèi)別總數(shù)和要分類(lèi)的分類(lèi)數(shù)是不是一致的。

我的做法是把tensor類(lèi)型的數(shù)據(jù)轉(zhuǎn)變成list，然后用Counter函數(shù)做統(tǒng)計(jì)。

代碼如下：

from collections import Counter
List_counter = Counter(List1)
#List1就是待統(tǒng)計(jì)的數(shù)據(jù)，是一維的列表。生成的List_counter是一個(gè)字典，鍵是數(shù)據(jù)，
#對(duì)應(yīng)的值是數(shù)據(jù)出現(xiàn)的頻率

在做這個(gè)統(tǒng)計(jì)的時(shí)候，突然發(fā)現(xiàn)，我的數(shù)據(jù)是float的類(lèi)型，這是不應(yīng)該出現(xiàn)的，因?yàn)闃?biāo)簽數(shù)據(jù)在處理的時(shí)候都是整型數(shù)據(jù)。

經(jīng)過(guò)一番查找后，發(fā)現(xiàn)是tensor.numpy()返回值數(shù)據(jù)類(lèi)型的原因。這個(gè)函數(shù)的返回值是float類(lèi)型的

tensor數(shù)據(jù)和numpy數(shù)據(jù)轉(zhuǎn)換中注意的一個(gè)問(wèn)題

在pytorch中，把numpy.array數(shù)據(jù)轉(zhuǎn)換到張量tensor數(shù)據(jù)的常用函數(shù)是torch.from_numpy(array)或者torch.Tensor(array)

第一種函數(shù)更常用，然而在pytorch0.4中已經(jīng)舍棄了這種函數(shù)

下面一個(gè)簡(jiǎn)單的編程實(shí)驗(yàn)說(shuō)明這兩種方法的區(qū)別

實(shí)驗(yàn)在pytorch0.4框架下進(jìn)行

運(yùn)行程序之后，結(jié)果是

可以看出修改數(shù)組a的元素值，張量b的元素值也改變了，但是張量c卻不變。

修改張量c的元素值，數(shù)組a和張量b的元素值都不變。

這說(shuō)明torch.from_numpy(array)是做數(shù)組的淺拷貝，torch.Tensor(array)是做數(shù)組的深拷貝

感謝各位的閱讀，以上就是“pytorch中函數(shù)tensor.numpy()的數(shù)據(jù)類(lèi)型實(shí)例分析”的內(nèi)容了，經(jīng)過(guò)本文的學(xué)習(xí)后，相信大家對(duì)pytorch中函數(shù)tensor.numpy()的數(shù)據(jù)類(lèi)型實(shí)例分析這一問(wèn)題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！