x = torch.tensor([3])
我有一个张量对象 当我
print(x)
它给
tensor([3])
x.data[0]给出tensor(3)
我怎么只得到3？
答案 0 :(得分：6)
您可以使用x.item()从具有一个元素的张量中获取Python数字
答案 1 :(得分：4)
x.item()中获取值，始终可以：示例： CPU上的单个元素张量
x = torch.tensor([3])
x.item()
输出：
3
示例：具有AD的CPU上的单元素张量
x = torch.tensor([3.], requires_grad=True)
x.item()
输出：
3.0
注意：我们需要对AD使用浮点算法
示例： CUDA上的单元素张量
x = torch.tensor([3], device='cuda')
x.item()
输出：
3
示例：具有AD的CUDA上的单元素张量
x = torch.tensor([3.], device='cuda', requires_grad=True)
x.item()
输出：
3.0
示例：再次使用AD的CUDA上的单元素张量
x = torch.ones((1,1), device='cuda', requires_grad=True)
x.item()
输出：
1.0
下一个示例将显示驻留在CPU上的PyTorch张量与numpy数组na共享相同的存储空间
示例：共享存储空间
import torch
a = torch.ones((1,2))
print(a)
na = a.numpy()
na[0][0]=10
print(na)
print(a)
输出：
tensor([[1., 1.]])
[[10. 1.]]
tensor([[10., 1.]])
示例：消除共享存储的影响，首先复制numpy数组
为了避免共享存储的影响，我们需要将numpy数组copy() na更改为新的numpy数组nac。 Numpy copy()方法创建新的单独存储。
import torch
a = torch.ones((1,2))
print(a)
na = a.numpy()
nac = na.copy()
nac[0][0]=10
print(nac)
print(na)
print(a)
输出：
tensor([[1., 1.]])
[[10. 1.]]
[[1. 1.]]
tensor([[1., 1.]])
现在，仅nac numpy数组将与行nac[0][0]=10，na和a保持不变。
示例： CPU张量requires_grad=True
import torch
a = torch.ones((1,2), requires_grad=True)
print(a)
na = a.detach().numpy()
na[0][0]=10
print(na)
print(a)
输出：
tensor([[1., 1.]], requires_grad=True)
[[10. 1.]]
tensor([[10., 1.]], requires_grad=True)
在这里我们称为：
na = a.numpy()
这将导致：RuntimeError: Can't call numpy() on Tensor that requires grad. Use tensor.detach().numpy() instead.，因为PyTorch AD记录了require_grad=True的张量。
这就是为什么在使用detach()进行转换之前，我们需要先numpy()它们。
示例： CUDA张量requires_grad=False
a = torch.ones((1,2), device='cuda')
print(a)
na = a.to('cpu').numpy()
na[0][0]=10
print(na)
print(a)
输出：
tensor([[1., 1.]], device='cuda:0')
[[10. 1.]]
tensor([[1., 1.]], device='cuda:0')
在这里，我们只是不将CUDA张量转换为CPU。共享存储在这里没有影响。
示例： CUDA张量requires_grad=True
a = torch.ones((1,2), device='cuda', requires_grad=True)
print(a)
na = a.detach().to('cpu').numpy()
na[0][0]=10
print(na)
print(a)
输出：
tensor([[1., 1.]], device='cuda:0', requires_grad=True)
[[10. 1.]]
tensor([[1., 1.]], device='cuda:0', requires_grad=True)
如果没有detach()方法，则会设置错误RuntimeError: Can't call numpy() on Tensor that requires grad. Use tensor.detach().numpy() instead.。
没有设置.to('cpu')方法TypeError: can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.的情况。
答案 2 :(得分：1)
将张量转换为numpy：
x.numpy()[0]
答案 3 :(得分：0)
您可以使用 x.cpu().detach().numpy() 从具有一个元素的张量中获取 Python 数组，然后您可以从该数组中获取一个数字