pytorch - 对于 CPU 上的 numpy 数组，torch.as_tensor() 是否与 torch.from_numpy() 相同？

Question

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

来自 torch.as_tensor 的文档

if the data is an ndarray of the corresponding dtype and the device is the cpu, no copy will be performed.

来自 torch.from_numpy 的文档:

The returned tensor and ndarray share the same memory. Modifications to the tensor will be reflected in the ndarray and vice versa.

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

它们基本相同，除了 as_tensor更通用:

与from_numpy相反，它支持广泛的数据类型，包括列表、元组和 native Python 标量。

as_tensor支持直接更改dtype和device，在实践中非常方便，因为Torch张量的默认dtype是float32，而对于Numpy数组则是float64。

as_tensor当且仅当原始对象是 Numpy 数组，并且请求的数据类型(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 from_numpy 相同，但总是为后来的设计感到满意。