1.数据类型简介

Numpy

NumPy 支持比 Python 更多种类的数值类型。 下表显示了 NumPy 中定义的不同标量数据类型。

Pytorch

Torch定义了七种CPU张量类型和八种GPU张量类型,这里我们就只讲解一下CPU中的，其实GPU中只是中间加一个cuda即可，如torch.cuda.FloatTensor：

• torch.FloatTensor(2,3) 构建一个2*3 Float类型的张量
• torch.DoubleTensor(2,3) 构建一个2*3 Double类型的张量
• torch.ByteTensor(2,3) 构建一个2*3 Byte类型的张量
• torch.CharTensor(2,3) 构建一个2*3 Char类型的张量
• torch.ShortTensor(2,3) 构建一个2*3 Short类型的张量
• torch.IntTensor(2,3) 构建一个2*3 Int类型的张量
• torch.LongTensor(2,3) 构建一个2*3 Long类型的张量

同样，直接使用类型名很可能会报错，正确的使用方式是torch.调用，eg，torch.FloatTensor()

2.Python的type()函数

type函数可以由变量调用，或者把变量作为参数传入。

返回的是该变量的类型，而非数据类型。

data = np.random.randint(0, 255, 300)
print(type(data))

# <class ‘numpy.ndarray‘>

3.Numpy/Pytorch的dtype属性

返回值为变量的数据类型

t_out = torch.Tensor(1,2,3)
print(t_out.dtype)
# torch.float32

t_out = torch.Tensor(1,2,3)
print(t_out.numpy().dtype)
# float32

4.Numpy中的类型转换

n_out = n_out.astype(np.uint8)
# 由变量调用，但是直接调用不会改变原变量的数据类型，是返回值是改变类型后的新变量，所以要赋值回去。

#初始化随机数种子
np.random.seed(0)

data = np.random.randint(0, 255, 300)
print(data.dtype)
n_out = data.reshape(10,10,3)

#强制类型转换
n_out = n_out.astype(np.uint8)
print(n_out.dtype)

img = transforms.ToPILImage()(n_out)
img.show()

Pytorch中的类型转换

pytorch中没有astype函数，正确的转换方法是

1.变量直接调用类型

tensor = torch.Tensor(3, 5)

# torch.long() 将tensor投射为long类型
newtensor = tensor.long()

# torch.half()将tensor投射为半精度浮点类型
newtensor = tensor.half()

# torch.int()将该tensor投射为int类型
newtensor = tensor.int()

# torch.double()将该tensor投射为double类型
newtensor = tensor.double()

# torch.float()将该tensor投射为float类型
newtensor = tensor.float()

# torch.char()将该tensor投射为char类型
newtensor = tensor.char()

# torch.byte()将该tensor投射为byte类型
newtensor = tensor.byte()

# torch.short()将该tensor投射为short类型
newtensor = tensor.short()

# 同样，和numpy中的astype函数一样，是返回值才是改变类型后的结果，调用的变量类型不变

2.变量直接调用pytorch中的type函数

type(new_type=None, async=False)如果未提供new_type，则返回类型，否则将此对象转换为指定的类型。 如果已经是正确的类型，则不会执行且返回原对象。

用法如下：

t = torch.LongTensor(3, 5)
t = t.type(torch.FloatTensor)

3.变量调用pytorch中的type_as函数

如果张量已经是正确的类型，则不会执行操作。具体操作方法如下：

t = torch.Tensor(3,5)
tensor = torch.IntTensor(2, 3)
t = t.type_as(tensor)

——————————

版权声明：本文为CSDN博主「啧啧啧biubiu」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_37385726/article/details/81774150

原文地址：https://www.cnblogs.com/ziwh666/p/12399075.html