快捷方式

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 offsetdtype 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)

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发者的深度教程

查看教程

资源

查找开发资源并获得解答

查看资源