torch 张量转数组

可以使用torch张量的`.numpy()`方法将其转换为NumPy数组。例如：

import torch

tensor = torch.randn(3, 4)  # 创建一个3x4的张量
array = tensor.numpy()  # 将张量转换为数组

print(array)

输出：

[[ 0.95233023  0.03023843 -1.0000887  -0.5683132 ]
 [-1.2923665   0.27246088 -1.3363985   0.46968275]
 [ 0.5130331   0.3844467  -1.2432911   0.14891756]]

需要注意的是，转换后得到的数组共享内存空间，所以对数组的修改会影响到原始张量。如果需要避免这种情况，可以使用`.clone()`方法创建一个张量的深拷贝，然后再进行转换。

相关问题

pytorch张量转数组

可以使用PyTorch张量的`.numpy()`方法将其转换为NumPy数组。

例如：

import torch

# 创建一个3x3的张量
tensor = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 将张量转换为数组
array = tensor.numpy()

print(array)
# 输出:
# array([[1, 2, 3],
#        [4, 5, 6],
#        [7, 8, 9]])

注意，将PyTorch张量转换为NumPy数组会共享底层数据。这意味着，如果修改NumPy数组，则原始张量也会被修改，反之亦然。

随机生成torch张量

要随机生成torch张量，可以使用torch.randn()函数生成服从标准正态分布的随机数张量。该函数可以指定生成张量的形状，例如torch.randn(2,3)会生成一个形状为(2,3)的张量，其中的元素服从标准正态分布。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [pytorch张量 张量的生成](https://blog.csdn.net/hhhhxxn/article/details/110006703)[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-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *3* [PyTorch-1.10(三)--torch张量随机生成、采样](https://blog.csdn.net/weixin_43145427/article/details/124683835)[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-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]