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。
- 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)