pytorch-张量-张量的数据类型

深度学习和pytorch

张量：

在$pytorch$中张量可以是一个标量，一个向量，一个矩阵，甚至是更高维度的数组，所以$pytorch$中的$tensor$和$numpy$中的数组（$ndarray$）非常相似。

在使用中也经常将$pytorch$中的张量和$numpy$库中的数组相互转化，在深度网络中，基于$pytorch$的相关计算都是在$tensor$的基础上完成的。

张量的数据类型：

在$torch$中默认的是数据类型是32浮点型（$torch.FloatTensor$），可以通过$torch$中的$set\_default\_tensor\_type()$函数设置默认的数据类型，但是该函数只支持浮点数据类型。

张量数据类型的操作：

import torch  # 导入需要的库

# 输出张量的数据类型
print("张量的数据类型:", torch.tensor([1., 2., 3., 4.]).dtype)

# 将张量设置为其他默认数据类型
torch.set_default_tensor_type(torch.DoubleTensor)
print("改变的数据类型：", torch.tensor([1., 2., 3., 4.]).dtype)

# 将浮点型转化为其他数据类型的方法如下
a = torch.tensor([1., 2., 3., 4.])
print("a.dtype:", a.dtype)
print("a.long()方法:", a.long().dtype)
print("a.int()方法:", a.int().dtype)
print("a.float()方法:", a.float().dtype)

# 恢复默认的数据类型32float
torch.set_default_tensor_type(torch.FloatTensor)
print("torch.dtype:", torch.tensor([1., 2., 3., 4.]).dtype)

# 获取默认的数据类型
print("获取默认的数据类型：", torch.get_default_dtype())