torch.as_tensor

torch.as_tensor(data: Any, dtype: Optional[dtype] = None, device: Optional[DeviceLikeType]) → Tensor

如果可能，将 data 转换为张量，共享数据并保留 autograd 历史记录。

如果 data 已经是具有请求的 dtype 和设备的张量，则返回 data 本身，但如果 data 是具有不同 dtype 或设备的张量，则会复制它，就像使用 data.to(dtype=dtype, device=device) 一样。

如果 data 是具有相同 dtype 和设备的 NumPy 数组 (ndarray)，则将使用 torch.from_numpy() 构造张量。

如果 data 是 CuPy 数组，则返回的张量将位于与 CuPy 数组相同的设备上，除非被 device 或默认设备专门覆盖。

另请参阅

torch.tensor() 永远不会共享其数据，并创建一个新的“叶张量”（请参阅 Autograd 机制）。

参数

• data (array_like) – 张量的初始数据。可以是列表、元组、NumPy ndarray、标量和其他类型。

• dtype (torch.dtype, 可选) – 返回张 Desired data type of returned tensor. Default: if None, infers data type from data.

• device (torch.device, 可选) – 构造张量的设备。如果为 None 且 data 是张量，则使用 data 的设备。如果为 None 且 data 不是张量，则结果张量在当前设备上构造。

示例

>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a)
>>> t
tensor([ 1,  2,  3])
>>> t[0] = -1
>>> a
array([-1,  2,  3])

>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a, device=torch.device('cuda'))
>>> t
tensor([ 1,  2,  3])
>>> t[0] = -1
>>> a
array([1,  2,  3])