torch.as_tensor

torch.as_tensor(data: Any, dtype: Optional[dtype] = None, device: Optional[DeviceLikeType]) → Tensor

將 data 轉換為張量，盡可能共享資料並保留 autograd 歷史記錄。

如果 data 已經是具有請求的 dtype 和 device 的張量，則返回 data 本身，但如果 data 是具有不同 dtype 或 device 的張量，則會像使用 data.to(dtype=dtype, device=device) 一樣複製它。

如果 data 是具有相同 dtype 和 device 的 NumPy 陣列 (ndarray)，則使用 torch.from_numpy() 建立張量。

如果 data 是一個 CuPy 陣列，除非被 device 或預設裝置覆寫，否則回傳的張量將位於與 CuPy 陣列相同的裝置上。

另請參閱

torch.tensor() 永遠不會共享其資料，並會建立一個新的「葉張量」（參見自動微分機制）。

參數

• data (array_like) – 張量的初始資料。可以是列表、元組、NumPy ndarray、純量和其他類型。

• dtype (torch.dtype, optional) – 回傳張量的期望資料類型。預設值：如果 None，則從 data 推斷資料類型。

• device (torch.device, optional) – 建構張量的裝置。如果為 None 且 data 是一個張量，則使用 data 的裝置。如果為 None 且 data 不是張量，則在當前裝置上建構結果張量。

範例

>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a)
>>> t
tensor([ 1,  2,  3])
>>> t[0] = -1
>>> a
array([-1,  2,  3])

>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a, device=torch.device('cuda'))
>>> t
tensor([ 1,  2,  3])
>>> t[0] = -1
>>> a
array([1,  2,  3])