如何在PyTorch中获得张量的值？

Question

x = torch.tensor([3])

我有张量对象

print(x)

它给 tensor([3])

x.data[0]给出tensor(3) 如何得到公正3？

Answer 1

将张量转换为 numpy：

x.numpy()[0]

Answer 2

从单元素张量获取值x.item()总是有效的：

示例：CPU 上的单元素张量

x = torch.tensor([3])
x.item()

输出：

3

示例：带有 AD 的 CPU 上的单元素张量

x = torch.tensor([3.], requires_grad=True)
x.item()

输出：

3.0

注意：我们需要对 AD 使用浮点运算

示例：CUDA 上的单元素张量

3

输出：

3

示例：带有 AD 的 CUDA 上的单元素张量

x = torch.tensor([3.], requires_grad=True)
x.item()

输出：

3.0

示例：再次使用 AD 在 CUDA 上的单元素张量

3.0

输出：

1.0

要从非单元素张量中获取值，我们必须小心：

下一个示例将显示驻留在 CPU 上的 PyTorch 张量与 numpy 数组共享相同的存储 na

示例：共享存储

import torch
a = torch.ones((1,2))
print(a)
na = a.numpy()
na[0][0]=10
print(na)
print(a)

输出：

tensor([[1., 1.]])
[[10.  1.]]
tensor([[10.,  1.]])

示例：消除共享存储的影响，先复制numpy数组

为了避免共享存储的影响，我们需要copy()将 numpy 数组na转换为新的 numpy 数组nac。Numpycopy()方法创建新的单独存储。

x = torch.tensor([3], device='cuda')
x.item()

输出：

tensor([[1., 1.]])
[[10.  1.]]
[[1. 1.]]
tensor([[1., 1.]])

现在，只有nacnumpy 数组将随行更改nac[0][0]=10，na并a保持原样。

示例：CPU 张量requires_grad=True

3

输出：

tensor([[1., 1.]], requires_grad=True)
[[10.  1.]]
tensor([[10.,  1.]], requires_grad=True)

在这里我们调用：

x = torch.tensor([3.], device='cuda', requires_grad=True)
x.item()

这将导致：RuntimeError: Can't call numpy() on Tensor that requires grad. Use tensor.detach().numpy() instead.，因为require_grad=TruePyTorch AD 记录的张量。

这就是为什么我们需要detach()在使用numpy().

示例：CUDA 张量requires_grad=False

3.0

输出：

tensor([[1., 1.]], device='cuda:0')
[[10.  1.]]
tensor([[1., 1.]], device='cuda:0')

? 在这里，我们只是不将 CUDA 张量转换为 CPU。这里没有共享存储的影响。

示例：CUDA 张量requires_grad=True

x = torch.ones((1,1), device='cuda', requires_grad=True)
x.item()

输出：

tensor([[1., 1.]], device='cuda:0', requires_grad=True)
[[10.  1.]]
tensor([[1., 1.]], device='cuda:0', requires_grad=True)

如果没有detach()方法，RuntimeError: Can't call numpy() on Tensor that requires grad. Use tensor.detach().numpy() instead.将设置错误。

没有.to('cpu')方法TypeError: can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.将被设置。

Answer 3

您可以用来x.item()从具有一个元素的张量中获取Python数字