深入浅出Pytorch函数——torch.as_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

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。

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])