torch.as_tensor

torch.as_tensor(data, dtype=None, device=None) → 张量

将 data 转换为张量，如果可能的话，共享数据并保留自动求导历史。

如果 data 已经是具有请求的 dtype 和设备的张量，则返回 data 本身，但如果 data 是具有不同 dtype 或设备的张量，则它会被复制，就像使用 data.to(dtype=dtype, device=device) 一样。

如果 data 是一个具有相同 dtype 和设备的 NumPy 数组（ndarray），则使用 torch.from_numpy() 构造张量。

另请参阅

torch.tensor() 从不共享其数据，并创建一个新的“叶子张量”（参见 自动求导机制）。

Parameters

• data (array_like) – 张量的初始数据。可以是列表、元组、 NumPy ndarray、标量和其他类型。

• dtype (torch.dtype, 可选) – 返回张量的所需数据类型。 默认值：如果 None，则从 data 推断数据类型。

• 设备 (torch.device, 可选) – 构造张量的设备。如果为 None 且数据是一个张量，则使用数据的设备。如果为 None 且数据不是一个张量，则结果张量在当前设备上构造。

示例：

>>> 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])