深入浅出Pytorch函数——torch.as_tensor

10月前作者：von Neumann 分类：Toy博客阅读(52) 违法举报

这篇具有很好参考价值的文章主要介绍了深入浅出Pytorch函数——torch.as_tensor。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

分类目录：《深入浅出Pytorch函数》总目录
相关文章：
· 深入浅出TensorFlow2函数——tf.constant
· 深入浅出Pytorch函数——torch.tensor
· 深入浅出Pytorch函数——torch.as_tensor
· 深入浅出Pytorch函数——torch.Tensor
· 深入浅出PaddlePaddle函数——paddle.to_tensor

将数据转换为张量，共享数据并尽可能保留自动微分的历史。如果数据已经是具有所需的数据类型和指定设备的张量，则返回数据本身，但是如果数据是具有不同数据类型或设备类型的张量，则像使用data.to(dtype=dtype, device=device)复制它。文章来源地址https://www.toymoban.com/news/detail-449671.html

语法

torch.as_tensor(data, dtype=None, device=None)

参数

data：张量的初始数据。可以是列表、元组、numpy.ndarray、标量及其他类型
dtype：[torch.dtype, 可选] 返回所需张量的数据类型。如果为None，则推断数据类型数据
device：[torch.device, 可选] 构造张量的设备。如果为None且数据是张量，则使用数据的设备。如果为None且数据不是张量，则结果张量在CPU上构建。

实例

>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a)
>>> t
tensor([ 1,  2,  3])
>>> t[0] = -1
>>> a
array([-1,  2,  3])

>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a, device=torch.device('cuda'))
>>> t
tensor([ 1,  2,  3])
>>> t[0] = -1
>>> a
array([1,  2,  3])

到了这里，关于深入浅出Pytorch函数——torch.as_tensor的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：

领支付宝红包赞助服务器费用

深入浅出Pytorch函数——torch.full

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.Tensor · 深入浅出Pytorch函数——torch.ones · 深入浅出Pytorch函数——torch.zeros · 深入浅出Pytorch函数——torch.full · 深入浅出Pytorch函数——torch.ones_like · 深入浅出Pytorch函数——torch.zeros_like · 深

2024年02月07日
浏览(64)
深入浅出Pytorch函数——torch.tensor

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出TensorFlow2函数——tf.constant · 深入浅出Pytorch函数——torch.tensor · 深入浅出Pytorch函数——torch.as_tensor · 深入浅出Pytorch函数——torch.Tensor · 深入浅出PaddlePaddle函数——paddle.to_tensor 基于 data 构建一个没有梯度历史

2024年02月04日
浏览(110)
深入浅出Pytorch函数——torch.t

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出TensorFlow2函数——tf.transpose · 深入浅出Pytorch函数——torch.t · 深入浅出Pytorch函数——torch.transpose · 深入浅出PaddlePaddle函数——paddle.transpose 语法参数 input : [Tensor] 输入的张量。返回值被转置的张量。实例

2024年02月11日
浏览(56)
深入浅出Pytorch函数——torch.arange

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出TensorFlow2函数——tf.range · 深入浅出Pytorch函数——torch.arange · 深入浅出PaddlePaddle函数——paddle.arange 语法当 dtype 表示浮点类型时，为了避免浮点计算误差，建议给 end 加上一个极小值 epsilon ，使边界可以更加明

2024年02月04日
浏览(55)
深入浅出Pytorch函数——torch.maximum

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.max · 深入浅出Pytorch函数——torch.maximum 计算 input 和 other 的元素最大值。语法参数 input ：[ Tensor ] 输入张量 other ：[ Tensor ] 输入的第二个张量实例

2024年02月15日
浏览(57)
深入浅出Pytorch函数——torch.zeros

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.Tensor · 深入浅出Pytorch函数——torch.ones · 深入浅出Pytorch函数——torch.zeros · 深入浅出Pytorch函数——torch.full · 深入浅出Pytorch函数——torch.ones_like · 深入浅出Pytorch函数——torch.zeros_like · 深

2024年02月07日
浏览(70)
深入浅出Pytorch函数——torch.max

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.max · 深入浅出Pytorch函数——torch.maximum torch.max 有三种输入形式，根据其输入形式及参数的不同有下列三种返回形式： torch.max(input) ：返回输入张量所有元素的最大值。 torch.max(input, dim, keep

2024年02月15日
浏览(56)
深入浅出PyTorch函数torch.rand与torch.randn

torch.rand 和 torch.randn 都是PyTorch中用于生成随机张量的函数，但它们生成随机数的方式有所不同。 torch.rand 生成在区间 [0, 1) 内均匀分布的随机数。 size 参数是一个表示所需张量形状的元组或整数。可以生成任何形状的随机张量。 torch.randn 生成从标准正态分布（均值为0，标准

2024年02月09日
浏览(50)
深入浅出Pytorch函数——torch.Tensor.backward

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.Tensor 计算当前张量相对于图的梯度，该函数使用链式法则对图进行微分。如果张量不是一个标量（即其数据具有多个元素）并且需要梯度，则函数还需要指定梯度，指定的梯度应该是一个与

2024年02月15日
浏览(57)
深入浅出Pytorch函数——torch.nn.Module

分类目录：《深入浅出Pytorch函数》总目录 Pytorch中所有网络的基类，我们的模型也应该继承这个类。 Modules 也可以包含其它 Modules ,允许使用树结构嵌入他们，我们还可以将子模块赋值给模型属性。语法方法 torch.nn.Module.apply 实例通过上面方式赋值的 submodule 会被注册，当调

2024年02月12日
浏览(67)