numpy类型转换张量

### NumPy 类型转换与张量操作

#### 使用 `astype` 方法进行类型转换
为了改变 NumPy 数组的数据类型，可以使用 `.astype()` 函数。此函数创建了一个新数组并返回指定类型的副本。

import numpy as np

np_array = np.array([1, 2, 3], dtype=np.int32)
converted_np_array = np_array.astype(np.float64)

print(converted_np_array.dtype)  # float64

当涉及到 PyTorch 张量时，在某些情况下可能需要调整数据类型以匹配预期的操作需求[^2]。

#### 将 NumPy 数组转换为 PyTorch 张量
通过调用 `torch.from_numpy()` 可实现从 NumPy 到 PyTorch 的无缝过渡。这不仅保留了原始形状而且保持内存共享特性，意味着任何对共享部分所做的更改都会反映到两个对象上。

import torch

tensor_from_np = torch.from_numpy(converted_np_array)

print(tensor_from_np.type())  # 返回类似于 'torch.DoubleTensor'

一旦完成上述过程，则可以根据具体应用场景进一步处理得到的张量。

#### 执行张量上的基本运算
下面展示了一些常见的算术运算法则应用于张量之上：

another_tensor = torch.ones_like(tensor_from_np)

addition_result = tensor_from_np + another_tensor
multiplication_result = tensor_from_np * another_tensor

print(addition_result)
print(multiplication_result)

这些操作遵循广播规则，允许不同维度大小之间执行计算而不必显式重塑任一方[^1]。