torch.frombuffer¶

torch.frombuffer(buffer, *, dtype, count=-1, offset=0, requires_grad=False) → 张量¶

从实现 Python 缓冲协议的对象创建一个一维的 Tensor。

跳过缓冲区中的前 offset 字节，并将剩余的原始字节解释为类型为 dtype 的 1 维张量，包含 count 个元素。

请注意，以下任一条件必须为真：

1. count 是一个正的非零数字，并且缓冲区中的总字节数超过 offset 加上 count 乘以 dtype 的大小（以字节为单位）。

2. count 为负数，并且缓冲区的长度（字节数）减去 offset 是 dtype 大小（以字节为单位）的倍数。

返回的张量和缓冲区共享相同的内存。对张量的修改将反映在缓冲区中，反之亦然。返回的张量不可调整大小。

注意

此函数增加拥有共享内存的对象的引用计数。因此，在返回的张量超出作用域之前，此类内存不会被释放。

警告

当传递一个实现缓冲协议的对象时，如果其数据不在CPU上，此函数的行为是未定义的。这样做可能会导致段错误。

警告

此函数不会尝试推断dtype（因此，它不是可选的）。传递与其源不同的dtype可能会导致意外行为。

Parameters

缓冲区 (对象) – 一个暴露了缓冲区接口的Python对象。

Keyword Arguments

dtype (torch.dtype) – 返回张量所需的数据类型。
count (int, 可选) – 希望读取的元素数量。如果为负数，将读取所有元素（直到缓冲区末尾）。默认值：-1。
偏移量 (int, 可选) – 在缓冲区开始处跳过的字节数。默认值：0。
requires_grad (布尔值, 可选) – 如果 autograd 应该记录对返回张量的操作。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])

>>> # 将带符号的字符字节解释为32位整数。
>>> # 每4个带符号的字符元素将被解释为
>>> # 1个带符号的32位整数。
>>> import array
>>> a = array.array('b', [-1, 0, 0, 0])
>>> torch.frombuffer(a, dtype=torch.int32)
tensor([255], dtype=torch.int32)