torch.Tensor.to

Tensor.to(*args, **kwargs) → Tensor

执行 Tensor 数据类型 (dtype) 和/或设备 (device) 转换。torch.dtype 和 torch.device 会从 self.to(*args, **kwargs) 的参数中推断出来。

注意

如果 self Tensor 已具有正确的 torch.dtype 和 torch.device，则返回 self。否则，返回的 Tensor 是 self 的一个副本，具有期望的 torch.dtype 和 torch.device。

以下是调用 to 的几种方式

to(dtype, non_blocking=False, copy=False, memory_format=torch.preserve_format) → Tensor

返回具有指定 dtype 的 Tensor

参数

memory_format (torch.memory_format, 可选): 返回 Tensor 的期望内存格式。默认值: torch.preserve_format。

torch.to(device=None, dtype=None, non_blocking=False, copy=False, memory_format=torch.preserve_format) → Tensor

返回具有指定 device 和 (可选) dtype 的 Tensor。如果 dtype 为 None，则将其推断为 self.dtype。当 non_blocking 设置为 True 时，如果可能，函数会尝试相对于主机异步执行转换。这种异步行为适用于锁页内存和可分页内存。然而，建议在使用此功能时谨慎。更多信息，请参阅 关于良好使用 non_blocking 和 pin_memory 的教程。当 copy 设置时，即使 Tensor 已匹配期望的转换，也会创建一个新的 Tensor。

参数

memory_format (torch.memory_format, 可选): 返回 Tensor 的期望内存格式。默认值: torch.preserve_format。

torch.to(other, non_blocking=False, copy=False) → Tensor

返回一个与 Tensor other 具有相同 torch.dtype 和 torch.device 的 Tensor。当 non_blocking 设置为 True 时，如果可能，函数会尝试相对于主机异步执行转换。这种异步行为适用于锁页内存和可分页内存。然而，建议在使用此功能时谨慎。更多信息，请参阅 关于良好使用 non_blocking 和 pin_memory 的教程。当 copy 设置时，即使 Tensor 已匹配期望的转换，也会创建一个新的 Tensor。

示例

>>> tensor = torch.randn(2, 2)  # Initially dtype=float32, device=cpu
>>> tensor.to(torch.float64)
tensor([[-0.5044,  0.0005],
        [ 0.3310, -0.0584]], dtype=torch.float64)

>>> cuda0 = torch.device('cuda:0')
>>> tensor.to(cuda0)
tensor([[-0.5044,  0.0005],
        [ 0.3310, -0.0584]], device='cuda:0')

>>> tensor.to(cuda0, dtype=torch.float64)
tensor([[-0.5044,  0.0005],
        [ 0.3310, -0.0584]], dtype=torch.float64, device='cuda:0')

>>> other = torch.randn((), dtype=torch.float64, device=cuda0)
>>> tensor.to(other, non_blocking=True)
tensor([[-0.5044,  0.0005],
        [ 0.3310, -0.0584]], dtype=torch.float64, device='cuda:0')