pytorch中tensor數據和numpy數據轉換中注意的一個問題

轉載自：(pytorch中tensor數據和numpy數據轉換中注意的一個問題)[https://blog.csdn.net/nihate/article/details/82791277]
在pytorch中，把numpy.array數據轉換到張量tensor數據的常用函數是torch.from_numpy(array)或者torch.Tensor(array)，第一種函數更常用。下面通過代碼看一下區別：

import numpy as np
import torch

a=np.arange(6,dtype=int).reshape(2,3)
b=torch.from_numpy(a)
c=torch.Tensor(a)

a[0][0]=10
print(a,'\n',b,'\n',c)
[[10  1  2]
 [ 3  4  5]] 
 tensor([[10,  1,  2],
        [ 3,  4,  5]], dtype=torch.int32) 
 tensor([[0., 1., 2.],
        [3., 4., 5.]])

c[0][0]=10
print(a,'\n',b,'\n',c)
[[10  1  2]
 [ 3  4  5]] 
 tensor([[10,  1,  2],
        [ 3,  4,  5]], dtype=torch.int32) 
 tensor([[10.,  1.,  2.],
        [ 3.,  4.,  5.]])

print(b.type())
torch.IntTensor
print(c.type())
torch.FloatTensor

可以看出修改數組a的元素值，張量b的元素值也改變了，但是張量c卻不變。修改張量c的元素值，數組a和張量b的元素值都不變。這說明torch.from_numpy(array)是做數組的淺拷貝，torch.Tensor(array)是做數組的深拷貝。