这篇文章给大家分享的是有关pytorch实现变量类型转换的内容，其实变量类型转换的方法有很多，因此下面小编和大家一起探究变量类型转换的方法有哪些？怎样实现？感兴趣的朋友就继续往下看吧。

    Pytorch的数据类型为各式各样的Tensor,Tensor可以理解为高维矩阵。与Numpy中的Array类似。Pytorch中的tensor又包括CPU上的数据类型和GPU上的数据类型，一般GPU上的Tensor是CPU上的Tensor加cuda()函数得到。通过使用Type函数可以查看变量类型。一般系统默认是torch.FloatTensor类型。

    例如data = torch.Tensor(2,3)是一个2*3的张量，类型为FloatTensor; data.cuda()就转换为GPU的张量类型，torch.cuda.FloatTensor类型。

    下面简单介绍一下Pytorch中变量之间的相互转换

    （1）CPU或GPU张量之间的转换

    一般只要在Tensor后加long(), int(), double(),float(),byte()等函数就能将Tensor进行类型转换；

    例如：Torch.LongTensor--->Torch.FloatTensor, 直接使用data.float()即可

    还可以使用type()函数，data为Tensor数据类型，data.type()为给出data的类型，如果使用data.type(torch.FloatTensor)则强制转换为torch.FloatTensor类型张量。

    当你不知道要转换为什么类型时，但需要求a1,a2两个张量的乘积，可以使用a1.type_as(a2)将a1转换为a2同类型。

    （2）CPU张量 ----> GPU张量, 使用data.cuda()

    （3）GPU张量 ----> CPU张量 使用data.cpu()

    （4）Variable变量转换成普通的Tensor，其实可以理解Variable为一个Wrapper，里头的data就是Tensor. 如果Var是Variable变量，使用Var.data获得Tensor变量

    （5）Tensor与Numpy Array之间的转换

    Tensor---->Numpy 可以使用 data.numpy()，data为Tensor变量

    Numpy ----> Tensor 可以使用torch.from_numpy(data)，data为numpy变量

    补充：Numpy/Pytorch之数据类型与强制类型转换

    1.数据类型简介

    Numpy

    NumPy 支持比 Python 更多种类的数值类型。 下表显示了 NumPy 中定义的不同标量数据类型。

序号	数据类型及描述
1.	bool_存储为一个字节的布尔值(真或假)
2.	int_默认整数，相当于 C 的long，通常为int32或int64
3.	intc相当于 C 的int，通常为int32或int64
4.	intp用于索引的整数，相当于 C 的size_t，通常为int32或int64
5.	int8字节(-128 ~ 127)
6.	int1616 位整数(-32768 ~ 32767)
7.	int3232 位整数(-2147483648 ~ 2147483647)
8.	int6464 位整数(-9223372036854775808 ~ 9223372036854775807)
9.	uint88 位无符号整数(0 ~ 255)
10.	uint1616 位无符号整数(0 ~ 65535)
11.	uint3232 位无符号整数(0 ~ 4294967295)
12.	uint6464 位无符号整数(0 ~ 18446744073709551615)
13.	float_float64的简写
14.	float16半精度浮点：符号位，5 位指数，10 位尾数
15.	float32单精度浮点：符号位，8 位指数，23 位尾数
16.	float64双精度浮点：符号位，11 位指数，52 位尾数
17.	complex_complex128的简写
18.	complex64复数，由两个 32 位浮点表示(实部和虚部)
19.	complex128复数，由两个 64 位浮点表示(实部和虚部)

直接使用类型名很可能会报错，正确的使用方式是np.调用，eg, np.uint8

    Pytorch

    Torch定义了七种CPU张量类型和八种GPU张量类型,这里我们就只讲解一下CPU中的，其实GPU中只是中间加一个cuda即可，如torch.cuda.FloatTensor：

    torch.FloatTensor(2,3) 构建一个2*3 Float类型的张量

    torch.DoubleTensor(2,3) 构建一个2*3 Double类型的张量

    torch.ByteTensor(2,3) 构建一个2*3 Byte类型的张量

    torch.CharTensor(2,3) 构建一个2*3 Char类型的张量

    torch.ShortTensor(2,3) 构建一个2*3 Short类型的张量

    torch.IntTensor(2,3) 构建一个2*3 Int类型的张量

    torch.LongTensor(2,3) 构建一个2*3 Long类型的张量

    同样，直接使用类型名很可能会报错，正确的使用方式是torch.调用，eg，torch.FloatTensor()

    2.Python的type()函数

    type函数可以由变量调用，或者把变量作为参数传入。

    返回的是该变量的类型，而非数据类型。

data = np.random.randint(0, 255, 300)
print(type(data))

    输出

<class 'numpy.ndarray'>

    3.Numpy/Pytorch的dtype属性

    返回值为变量的数据类型

t_out = torch.Tensor(1,2,3)
print(t_out.dtype)

    输出

torch.float32

t_out = torch.Tensor(1,2,3)

print(t_out.numpy().dtype)

    输出

float32

    4.Numpy中的类型转换

    先聊聊我为什么会用到这个函数（不看跳过）

    为了实施trochvision.transforms.ToPILImage()函数

    于是我想从numpy的ndarray类型转成PILImage类型

    我做了以下尝试

data = np.random.randint(0, 255, 300)
n_out = data.reshape(10,10,3)
print(n_out.dtype)
img = transforms.ToPILImage()(n_out)
img.show()

    但是很遗憾，报错了

raise TypeError('Input type {} is not supported'.format(npimg.dtype))

TypeError: Input type int32 is not supported

    因为要将ndarray转成PILImage要求ndarray是uint8类型的。

    于是我认输了。。。

    使用了

n_out = np.linspace(0,255,300,dtype=np.uint8)
n_out = n_out.reshape(10,10,3)
print(n_out.dtype)
img = torchvision.transforms.ToPILImage()(n_out)
img.show()

    得到了输出

uint8

    嗯，显示了一张图片

    但是呢，就很憋屈，和想要的随机数效果不一样。

    于是我用了astype函数

    astype()函数

    由变量调用，但是直接调用不会改变原变量的数据类型，是返回值是改变类型后的新变量，所以要赋值回去。

n_out = n_out.astype(np.uint8)

#初始化随机数种子
np.random.seed(0)
 
data = np.random.randint(0, 255, 300)
print(data.dtype)
n_out = data.reshape(10,10,3)
 
#强制类型转换
n_out = n_out.astype(np.uint8)
print(n_out.dtype)
 
img = transforms.ToPILImage()(n_out)
img.show()

    输出

int32

uint8

    5.Pytorch中的类型转换

    pytorch中没有astype函数，正确的转换方法是

    Way1 : 变量直接调用类型

tensor = torch.Tensor(3, 5)

    torch.long() 将tensor投射为long类型

newtensor = tensor.long()

    torch.half()将tensor投射为半精度浮点类型

newtensor = tensor.half()

    torch.int()将该tensor投射为int类型

newtensor = tensor.int()

    torch.double()将该tensor投射为double类型

newtensor = tensor.double()

    torch.float()将该tensor投射为float类型

newtensor = tensor.float()

    torch.char()将该tensor投射为char类型

newtensor = tensor.char()

    torch.byte()将该tensor投射为byte类型

newtensor = tensor.byte()

    torch.short()将该tensor投射为short类型

newtensor = tensor.short()

    同样，和numpy中的astype函数一样，是返回值才是改变类型后的结果，调用的变量类型不变

    Way2 : 变量调用pytorch中的type函数

    type(new_type=None, async=False)如果未提供new_type，则返回类型，否则将此对象转换为指定的类型。 如果已经是正确的类型，则不会执行且返回原对象。

    用法如下：

self = torch.LongTensor(3, 5)
# 转换为其他类型
print self.type(torch.FloatTensor)

    Way3 : 变量调用pytorch中的type_as函数

    如果张量已经是正确的类型，则不会执行操作。具体操作方法如下：

self = torch.Tensor(3, 5)
tesnor = torch.IntTensor(2,3)
print self.type_as(tesnor)

    以上就是关于pytorch实现变量类型转换的操作介绍，上述内容和代码仅供参考，希望对大家有帮助，想要了解更多pytorch变量类型转换的内容，请搜索群英网络以前的文章或继续浏览其他相关的文章。

文本转载自脚本之家

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Python如何读取HTML表格，具体怎样做

  这篇文章主要介绍了Python实现读取HTML表格 pd.read_html()，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教

• Python显式self有何用，为何要保留

  本文主要介绍了Python为什么要保留显式的self，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧<BR>

• Python PIL图片裁剪功能怎样做，代码是什么

  这篇文章主要介绍了Python PIL图片如何按比例裁剪，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教

• 基于python如何实现游戏开发，有什么参考的实例

  本文给大家分享了作者整理的五个python游戏开发的案例,通过具体设计思路,代码等方面详细了解python游戏开发的过程,非常的详细,希望大家能够喜欢

• Python的函数定义、调用和和参数传递是怎样的

  函数最重要的目的是方便我们重复使用相同的一段程序。将一些操作隶属于一个函数，以后你想实现相同的操作的时候，只用调用函数名就可以，而