torch.set_default_dtype

torch.set_default_dtype(d, /)

将默认浮点 dtype 设置为 d。支持浮点 dtype 作为输入。其他 dtype 将导致 torch 抛出异常。

当 PyTorch 初始化时，其默认浮点 dtype 为 torch.float32，set_default_dtype(torch.float64) 的目的是促进类似 NumPy 的类型推断。默认浮点 dtype 用于

1. 隐式确定默认复数 dtype。当默认浮点类型为 float16 时，默认复数 dtype 为 complex32。对于 float32，默认复数 dtype 为 complex64。对于 float64，它是 complex128。对于 bfloat16，将引发异常，因为 bfloat16 没有相应的复数类型。

2. 推断使用 Python 浮点数或复数 Python 数构造的张量的 dtype。请参见下面的示例。

3. 确定布尔值和整数张量与 Python 浮点数和复数 Python 数之间的类型提升结果。

参数

d (torch.dtype) – 要设置为默认值的浮点 dtype。

示例

>>> # initial default for floating point is torch.float32
>>> # Python floats are interpreted as float32
>>> torch.tensor([1.2, 3]).dtype
torch.float32
>>> # initial default for floating point is torch.complex64
>>> # Complex Python numbers are interpreted as complex64
>>> torch.tensor([1.2, 3j]).dtype
torch.complex64

>>> torch.set_default_dtype(torch.float64)
>>> # Python floats are now interpreted as float64
>>> torch.tensor([1.2, 3]).dtype  # a new floating point tensor
torch.float64
>>> # Complex Python numbers are now interpreted as complex128
>>> torch.tensor([1.2, 3j]).dtype  # a new complex tensor
torch.complex128

>>> torch.set_default_dtype(torch.float16)
>>> # Python floats are now interpreted as float16
>>> torch.tensor([1.2, 3]).dtype  # a new floating point tensor
torch.float16
>>> # Complex Python numbers are now interpreted as complex128
>>> torch.tensor([1.2, 3j]).dtype  # a new complex tensor
torch.complex32