torch.from_numpy()

torch.from_numpy() 是一个 PyTorch 中的函数，用于将 NumPy 数组转换为 Torch 张量。它接受一个 NumPy 数组作为输入，并返回一个与输入数组共享相同数据的张量。
这个函数在将 NumPy 数组转换为 Torch 张量时非常有用，因为它可以避免复制数据，从而提高性能和节省内存。
示例用法：
import numpy as np
import torch

# 创建一个 NumPy 数组
numpy_array = np.array([1, 2, 3, 4, 5])

# 将 NumPy 数组转换为 Torch 张量
torch_tensor = torch.from_numpy(numpy_array)
登录后复制
在上面的示例中，我们将一个 NumPy 数组 numpy_array 转换为 Torch 张量 torch_tensor。通过使用 torch.from_numpy() 函数，我们可以直接操作 Torch 张量来进行计算，而无需额外的数据转换步骤。
需要注意的是，torch.from_numpy() 函数返回的张量与输入数组共享内存。这意味着在修改张量时，原始的 NumPy 数组也会被修改。因此，在使用该函数时要小心确保不会意外地改变数据。

相关问题

torch.from_numpy

torch.from_numpy是一个函数，用于从numpy.ndarray创建一个张量。返回的张量和numpy.ndarray共用内存，对张量的修改将反映在numpy.ndarray，反之亦然。返回的张量不可调整大小。[1]这个函数的语法是torch.from_numpy(ndarray)。举例如下：
import torch
import numpy as np

a = np.array(\[1, 2, 3\])
t = torch.from_numpy(a)
print(t) # tensor(\[1, 2, 3\])

t\[0\] = -1
print(a) # array(\[-1, 2, 3\])
登录后复制
在这个例子中，我们首先创建了一个numpy数组a，然后使用torch.from_numpy函数将其转换为张量t。修改张量t的值会反映在原始的numpy数组a上。[2]
另外一个例子如下：
import numpy as np
import torch

data1 = np.array(\[12, 56, 9, 6\])
print('data1的数据类型为：', type(data1))
print('data1的值为：', data1)

data2 = torch.from_numpy(data1)
print('data2的数据类型为：', type(data2))
print('data2的值为：', data2)

data2\[1\] = 3
print('data2的数据类型为：', type(data2))
print('data2的值为：', data2)
登录后复制
在这个例子中，我们首先创建了一个numpy数组data1，然后使用torch.from_numpy函数将其转换为张量data2。修改张量data2的值会反映在原始的numpy数组data1上。[3]
引用[.reference_title]

1 深入浅出Pytorch函数——torch.from_numpy[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2allinsert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
2 torch.from_numpy(ndarray) 功能及举例[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2allinsert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
3 torch.from_numpy() 函数《torch学习篇》[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2allinsert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]

torch.tensor 和 torch.from_numpy

torch.tensor 和 torch.from_numpy 都可以用来将数据转换为 PyTorch 张量。
torch.tensor 可以接受各种类型的 Python 对象，包括列表、元组、NumPy 数组等，然后返回一个新的张量。例如：
import torch
import numpy as np

# 从列表创建张量
a = torch.tensor([1, 2, 3])
print(a)

# 从NumPy数组创建张量
b = np.array([4, 5, 6])
c = torch.tensor(b)
print(c)
登录后复制
torch.from_numpy 则是专门用于将 NumPy 数组转换为张量的函数。与 torch.tensor 不同，torch.from_numpy 不会创建新的张量，而是直接使用输入的 NumPy 数组的内存来创建张量。例如：
import torch
import numpy as np

# 创建NumPy数组
a = np.array([1, 2, 3])

# 从NumPy数组创建张量
b = torch.from_numpy(a)
print(b)

# 修改NumPy数组
a[0] = 4

# 查看张量内容
print(b)
登录后复制
在这个例子中，我们使用 torch.from_numpy 将 NumPy 数组 a 转换为张量 b，并将其打印出来。然后我们修改了 NumPy 数组 a 的第一个元素，再次打印张量 b，我们会发现张量 b 也发生了相应的改变，因为它们共享相同的内存。