torch 数组转换为tensor

PyTorch是一个非常流行的深度学习框架，它提供了许多方便的函数和类来进行张量操作。其中，将NumPy数组转换为PyTorch中的张量tensor是很常见的操作。

首先，需要导入torch和NumPy库。例如，可以使用以下代码：

import torch
import numpy as np

然后，可以使用torch.from_numpy()函数将NumPy数组转换为tensor。例如，有一个名为“arr”的NumPy数组，可以使用以下代码将其转换为PyTorch张量：

arr = np.array([1, 2, 3])
t = torch.from_numpy(arr)

这将创建一个形状为(3,)的一维张量t，它包含NumPy数组中的所有元素。可以使用print()函数检查张量的内容：

print(t)

输出就会是：

tensor([1, 2, 3], dtype=torch.int32)

需要注意的是，torch.from_numpy()函数不会创建一个新的张量对象，而是返回一个已存在的NumPy数组的视图。因此，修改原始NumPy数组的值也会反映在张量上，反之亦然。

arr[0] = 100
print(t)

输出：

tensor([100, 2, 3], dtype=torch.int32)

除了torch.from_numpy()外，还可以使用torch.tensor()函数创建张量。这个函数可以接收任何Python序列、NumPy数组或其他PyTorch张量，并在必要时进行类型和形状转换。例如：

arr = [[1, 2], [3, 4]]
t = torch.tensor(arr)

这将创建一个形状为(2, 2)的张量t，其中包含二维NumPy数组中的所有元素。需要注意的是，torch.tensor()创建一个新的张量对象，因此与原始数组没有关联。

总之，将NumPy数组转换为PyTorch张量是一个简单而有用的操作，可以轻松地在PyTorch应用程序中使用NumPy数组。