Question

我有一个火炬张量

List<ChildClass>

如何在numpy中获取它？

类似

IEnumerable<Baseclass>

输出应该和我做的一样

Baseclass

Answer 1

您可以尝试以下方式

1. torch.Tensor().numpy()
2. torch.Tensor().cpu().data.numpy()
3. torch.Tensor().cpu().detach().numpy()

Answer 2

从http://www.richardvanbergen.com/复制：

a = torch.ones(5)
print(a)

张量（[1.，1.，1.，1.，1。]）

b = a.numpy()
print(b)

[1。 1. 1. 1. 1。]

Answer 3

您可能会发现以下两个功能很有用。

Answer 4

这是fastai core中的函数：

def to_np(x):
    "Convert a tensor to a numpy array."
    return apply(lambda o: o.data.cpu().numpy(), x)

可能使用预期的PyTorch库中的函数是一个不错的选择。

如果您在PyTorch Transformers内查看，您会发现以下code：

preds = logits.detach().cpu().numpy()

所以您可能会问为什么需要detach()方法？当我们想将张量与AD计算图分开时需要。

仍然请注意，CPU张量和numpy数组已连接。它们共享相同的存储空间：

import torch
tensor = torch.zeros(2)
numpy_array = tensor.numpy()
print('Before edit:')
print(tensor)
print(numpy_array)

tensor[0] = 10

print()
print('After edit:')
print('Tensor:', tensor)
print('Numpy array:', numpy_array)

输出：

Before edit:
tensor([0., 0.])
[0. 0.]

After edit:
Tensor: tensor([10.,  0.])
Numpy array: [10.  0.]

第一个元素的值由张量和numpy数组共享。将其张量更改为10时，也会在numpy数组中更改它。

这就是为什么我们需要小心，因为更改numpy数组也要更改CPU张量。

Answer 5

另一种有用的方法：

a = torch(0.1, device: cuda)

a.cpu().data.numpy()

Answer: array(0.1, dtype=float32)

Answer 6

有时，如果存在“已应用”的渐变，则必须首先将.detach()函数放在.numpy()函数之前。

loss = loss_fn(preds, labels)
print(loss.detach().numpy())

如何将pytorch张量转换为numpy数组？

6 个答案: