torch.frombuffer

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

从实现了 Python 缓冲协议的对象创建一个 1 维 Tensor。

跳过缓冲区中的前 offset 字节，将剩余的原始字节解释为一个 1 维张量，其类型为 dtype，包含 count 个元素。

请注意，以下任一条件必须为真：

1. count 是一个非零正数，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，且缓冲区的长度（字节数）减去 offset 是 dtype 大小（以字节为单位）的倍数。

返回的张量与缓冲区共享同一内存。对张量的修改会反映在缓冲区中，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，在该返回的张量超出作用域之前，该内存不会被释放。

警告

当传递一个实现了缓冲协议但其数据不在 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）。传递与源数据类型不同的 dtype 可能会导致意外行为。

参数

buffer (object) – 一个暴露缓冲接口的 Python 对象。

关键字参数

• dtype (torch.dtype) – 返回张量所需的数据类型。

• count (int, optional) – 要读取的元素数量。如果为负数，则读取所有元素（直到缓冲区末尾）。默认值：-1。

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

• requires_grad (bool, optional) – autograd 是否应记录返回张量上的操作。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)