這篇文章主要為大家展示了“pytorch中Tensor類型的示例分析”，內(nèi)容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領(lǐng)大家一起研究并學(xué)習一下“pytorch中Tensor類型的示例分析”這篇文章吧。
Tensor有不同的數(shù)據(jù)類型，每種類型分別有對應(yīng)CPU和GPU版本（HalfTensor除外）。默認的Tensor是FloatTensor，可通過torch.set_default_tensor_type修改默認tensor類型（如果默認類型為GPU tensor，則所有操作都將在GPU上進行）。
Tensor的類型對分析內(nèi)存占用很有幫助，例如，一個size為(1000,1000,1000)的FloatTensor，它有1000*1000*1000=10^9個元素，每一個元素占用32bit/8=4Byte內(nèi)存，所以共占用大約4GB內(nèi)存/顯存。HalfTensor是專為GPU版本設(shè)計的，同樣的元素個數(shù)，顯存占用只有HalfTensor的一半，所以可以極大緩解GPU顯存不足的問題，但是由于HalfTensor所能表示的數(shù)值大小和精度有限，所以可能出現(xiàn)溢出等問題。
| 數(shù)據(jù)類型 | CPU Tensor | GPU Tensor |
| 32 bit 浮點 | torch.FloatTensor | torch.cuda.FloatTensor |
| 64 bit 浮點 | torch.DoubleTensor | torch.cuda.DoubleTensor |
| 16 bit 半精度浮點 | N/A | torch.cuda.HalfTensor |
| 8 bit 無符號整形(0~255) | torch.ByteTensor | torch.cuda.ByteTensor |
| 8 bit 有符號整形(-128~127) | torch.CharTensor | torch.cuda.CharTensor |
| 16 bit 有符號整形 | torch.ShortTensor | torch.cuda.ShortTensor |
| 32 bit 有符號整形 | torch.IntTensor | torch.cuda.IntTensor |
| 64 bit 有符號整形 | torch.LongTensor | torch.cuda LongTensor |
各數(shù)據(jù)類型之間可以互相轉(zhuǎn)換，type(new_type)是通用的做法，同時還有float、long、half等快捷方法。CPU tensor和GPU tensor之間的互換是通過tensor.cuda和tensor.cpu的方法實現(xiàn)。
如：
重慶分公司
重慶分公司
#設(shè)置默認tensor，注意參數(shù)是字符串
torch.set_default_tensor_type('torch.IntTensor')
a=torch.Tensor(2,3)
print(a) #a現(xiàn)在是IntTensor以上是“pytorch中Tensor類型的示例分析”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習更多知識，歡迎關(guān)注創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計公司行業(yè)資訊頻道！
另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。
