本篇内容介绍了“Pytorch数据类型与转换的方法有哪些”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
Pytorch数据类型与转换(torch.tensor,torch.FloatTensor)
一、torch.tensor
1.首先讲下torch.tensor，默认整型数据类型为torch.int64，浮点型为torch.float32
2.这是我认为平常最爱用的转数据类型的方法，可以用dtype去定义数据类型
二、torch.FloatTensor
1.这个函数不要乱用，首先它可以将变量转化为浮点型32位，这里注意此时的变量类型为列表，或数组等，此时参数为单个变量
2.当函数参数为整形时，表示生成矩阵的维度，此时参数可以为多个变量
补充：还有一种方法通过numpy数组定义数据类型，再转化为tensor，这个方法不多讲了。
扩展：Pytorch数据类型转换
1. Pytorch上的数据类型
Pytorch的类型可以分为CPU和GPU上的Tensor, 它们拥有的数据类型是基本上是一样的：
-
tensor.FloatTensor
-
tensor.LongTensor
-
tensor.ByteTensor
-
tensor.CharTensor
-
tensor.ShortTensor
-
tensor.IntTensor
-
torch.LongTensor
其中
torch.Tensor是默认的
tensor.FloatTensor的简称。
2. 数据类型之间的转换
tensor = torch.Tensor(3, 5)
## torch.long() 将tensor投射为long类型：
newtensor = torch.long()
## torch.int()将该tensor投射为int类型：
newtensor = torch.int()
## torch.double()将该tensor投射为double类型：
newtensor = torch.double()一般，只要在Tensor后加
long(), int(), double(), float(), byte()等函数就能将Tensor的类型进行转换
除此之外，可以使用
type()函数，data为Tensor数据类型，data.type()给出data的类型，如果使用
data.type(torch.FloatTensor)则强制转换为
torch.FloatTensor类型的张量, 如果不知道什么类型，可以使用
tensor_1.type_as(tensor_2), 将
tensor_1转换成
tensor_2。
self = torch.LongTensor(3, 5)
# 转换为其他类型
print self.type(torch.FloatTensor)3. cuda数据类型,cpu类型和一般的数据类型
-
如果没有特别说明：tensor是cpu上的变量
-
使用gpu张量：
tensor.cuda()
-
使用cpu张量：
tensor.cpu()
-
Variable转换成普通的
Tensor: variable.data()
-
Tesnor转换成numpy array的格式：
tensor.numpy()
-
numpy数据转换成Tensor:
torch.from_numpy(np_data)
-
Tensor转换成Variable:
Variable(tensor)
Pytorch数据类似pytorch中的tensor, 更重要的是tensor可以使用GPU来加速，并且变成Variable可以实现自动求导的功能，Variable是对Tensor对象的封装。
逻辑值True和False转成0和1. +0
print(y)
print(y+0)
## 输出结果
tensor([ True, False, False, True, True, False, False, True, True, False])
tensor([1, 0, 0, 1, 1, 0, 0, 1, 1, 0])