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。
- 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)