torch.as_tensor

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

将 data 转换为 tensor，如果可能，共享数据并保留自动求导历史。

如果 data 已是具有所需数据类型 (dtype) 和设备 (device) 的 tensor，则直接返回 data 本身；但如果 data 是具有不同数据类型或设备的 tensor，则会像使用 data.to(dtype=dtype, device=device) 一样进行复制。

如果 data 是具有相同数据类型 (dtype) 和设备的 NumPy 数组（ndarray），则使用 torch.from_numpy() 构造一个 tensor。

如果 data 是 CuPy 数组，则返回的 tensor 将位于与 CuPy 数组相同的设备上，除非被 device 或默认设备明确覆盖。

另请参阅

torch.tensor() 从不共享其数据，而是创建一个新的“叶子 tensor”（参见自动求导机制）。

参数

• data (array_like) – tensor 的初始数据。可以是 list、tuple、NumPy ndarray、标量及其他类型。

• dtype (torch.dtype, 可选) – 返回 tensor 的所需数据类型。默认值：如果为 None，则从 data 推断数据类型。

• device (torch.device, 可选) – 构造的 tensor 所在的设备。如果为 None 且 data 是一个 tensor，则使用 data 的设备。如果为 None 且 data 不是一个 tensor，则结果 tensor 将在当前设备上构造。

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])