这篇文章主要为大家展示了“pytorch中Tensor类型的示例分析”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“pytorch中Tensor类型的示例分析”这篇文章吧。
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GPU tensor，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。
| 数据类型 | CPU Tensor | GPU Tensor |
| 32 bit 浮点 | torch.FloatTensor | torch.cuda.FloatTensor |
| 64 bit 浮点 | torch.DoubleTensor | torch.cuda.DoubleTensor |
| 16 bit 半精度浮点 | N/A | torch.cuda.HalfTensor |
| 8 bit 无符号整形(0~255) | torch.ByteTensor | torch.cuda.ByteTensor |
| 8 bit 有符号整形(-128~127) | torch.CharTensor | torch.cuda.CharTensor |
| 16 bit 有符号整形 | torch.ShortTensor | torch.cuda.ShortTensor |
| 32 bit 有符号整形 | torch.IntTensor | torch.cuda.IntTensor |
| 64 bit 有符号整形 | torch.LongTensor | torch.cuda LongTensor |
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。CPU tensor和GPU tensor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以上是“pytorch中Tensor类型的示例分析”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
