pytorch常见的Tensor类型详解
Tensor有不同的数据类型，每种类型分别有对应CPU和GPU版本（HalfTensor除外）。默认的Tensor是FloatTensor，可通过torch.set_default_tensor_type修改默认tensor类型（如果默认类型为GPUtensor，则所有操作都将在GPU上进行）。
Tensor的类型对分析内存占用很有帮助，例如，一个size为(1000,1000,1000)的FloatTensor，它有1000*1000*1000=10^9个元素，每一个元素占用32bit/8=4Byte内存，所以共占用大约4GB内存/显存。HalfTensor是专为GPU版本设计的，同样的元素个数，显存占用只有HalfTensor的一半，所以可以极大缓解GPU显存不足的问题，但是由于HalfTensor所能表示的数值大小和精度有限，所以可能出现溢出等问题。
各数据类型之间可以互相转换，type(new_type)是通用的做法，同时还有float、long、half等快捷方法。CPUtensor和GPUtensor之间的互换是通过tensor.cuda和tensor.cpu的方法实现。
如：
#设置默认tensor，注意参数是字符串
torch.set_default_tensor_type('torch.IntTensor')
a=torch.Tensor(2,3)
print(a)#a现在是IntTensor
以上这篇pytorch常见的Tensor类型详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。