对于 CPU 上的 numpy 数组，torch.as_tensor() 与 torch.from_numpy() 相同吗？

Question

在 CPU 上，与 numpy 数组torch.as_tensor(a)相同， ？如果没有，那为什么不呢？torch.from_numpy(a)a

从文档中torch.as_tensor

如果数据是ndarray对应的dtype并且device是cpu，则不会执行任何复制。

从文档中torch.from_numpy：

返回的张量和ndarray共享相同的内存。对张量的修改将反映在 中，ndarray反之亦然。

在这两种情况下，结果张量的任何更改都会更改原始 numpy 数组。

a = np.array([[1., 2], [3, 4]])
t1 = torch.as_tensor(a)
t2 = torch.from_numpy(a)
t1[0, 0] = 42.
print(a)
# prints [[42., 2.], [3., 4.]]
t2[1, 1] = 55.
print(a)
# prints [[42., 2.], [3., 55.]]

此外，在这两种情况下，尝试调整张量的大小都会导致错误。

Answer 1

它们基本上是相同的，除了as_tensor更通用的：

• 与 相反from_numpy，它支持多种数据类型，包括列表、元组和本机 Python 标量。
• as_tensor支持直接更改数据类型和设备，这在实践中非常方便，因为 Torch 张量的默认数据类型是 float32，而 Numpy 数组的默认数据类型是 float64。

as_tensor当且仅当原始对象是 Numpy 数组，并且请求的 dtype（如果有）与原始数据相同时，才与原始数据共享内存。这些条件与 相同from_numpy，但后者的设计始终满足这些条件。