torch.frombuffer

torch.frombuffer(buffer, *, dtype, count=-1, offset=0, requires_grad=False) → Tensor

从实现 Python 缓冲区协议的对象创建一维 Tensor。

跳过缓冲区中的前 offset 字节，并将剩余的原始字节解释为类型为 dtype、具有 count 个元素的一维张量。

请注意，以下两种情况之一必须为真

1. count 是一个正的非零数，并且缓冲区中的总字节数大于 offset 加上 count 乘以 dtype 的大小（以字节为单位）。

2. count 为负数，并且缓冲区的长度（字节数）减去 offset 是 dtype 的大小（以字节为单位）的倍数。

返回的张量和缓冲区共享相同的内存。对张量的修改将反映在缓冲区中，反之亦然。返回的张量不可调整大小。

注意

此函数会增加拥有共享内存的对象的引用计数。因此，此类内存在返回的张量超出范围之前不会被释放。

警告

当传递一个实现缓冲区协议且数据不在 CPU 上的对象时，此函数的行为是未定义的。这样做很可能会导致段错误。

警告

此函数不会尝试推断 dtype（因此，它不是可选的）。传递与源不同的 dtype 可能会导致意外行为。

参数

buffer (object) – 公开缓冲区接口的 Python 对象。

关键字参数

• dtype (torch.dtype) – 返回张量的所需数据类型。

• count (int, 可选) – 要读取的所需元素数量。如果为负数，将读取所有元素（直到缓冲区的末尾）。默认值：-1。

• offset (int, 可选) – 在缓冲区开头跳过的字节数。默认值：0。

• requires_grad (bool, 可选) – autograd 是否应该记录对返回张量的操作。默认值：False。

示例

>>> import array
>>> a = array.array('i', [1, 2, 3])
>>> t = torch.frombuffer(a, dtype=torch.int32)
>>> t
tensor([ 1,  2,  3])
>>> t[0] = -1
>>> a
array([-1,  2,  3])

>>> # Interprets the signed char bytes as 32-bit integers.
>>> # Each 4 signed char elements will be interpreted as
>>> # 1 signed 32-bit integer.
>>> import array
>>> a = array.array('b', [-1, 0, 0, 0])
>>> torch.frombuffer(a, dtype=torch.int32)
tensor([255], dtype=torch.int32)