Question

当我创建一个PyTorch张量并尝试探索其类型时，我发现了这一点：

>>> a = torch.rand(3,5)
>>> a
tensor([[0.3356, 0.0968, 0.2185, 0.9843, 0.7846],
        [0.8523, 0.3300, 0.7181, 0.2692, 0.6523],
        [0.0523, 0.9344, 0.3505, 0.8901, 0.6464]])
>>> type(a)
<class 'torch.Tensor'>
>>> a = a.cuda()
>>> a.is_cuda
True
>>> type(a)
<class 'torch.Tensor'>
>>> a.dtype
torch.float32
>>>

即使这个张量已经在GPU上，为什么type(a)仍然是torch.Tensor而不是torch.cuda.Tensor？

Answer 1

您让我在这里进行了挖掘，但是自type()开始，built-in方法0.4.0不适用于类型检测（请参见this comment和this point in migration guide）。

要获取正确的类型，torch.Tensor类具有type() 成员，可以简单使用：

import torch

a = torch.rand(3, 5)
print(a)
print(a.type())
a = a.to("cuda")
print(a.is_cuda)
print(a.type())

产生预期的结果：

tensor([[0.5060, 0.6998, 0.5054, 0.4822, 0.4408],
        [0.7686, 0.4508, 0.4968, 0.4460, 0.7352],
        [0.1810, 0.6953, 0.7499, 0.7105, 0.1776]])
torch.FloatTensor
True
torch.cuda.FloatTensor

但是，我不确定该决定背后的理由，除此之外找不到任何相关的东西。

关于pytorch张量的奇怪行为。任何人都可以解释清楚吗？

1 个答案: