对于 CPU 上的 numpy 数组，torch.as_tensor() 与 torch.from_numpy() 相同

Question

在CPU上，torch.as_tensor(a)与numpy数组的torch.from_numpy(a)相同吗，a？ 如果没有，那为什么不呢？

来自torch.as_tensor的文档

如果数据是相应dtype的ndarray，并且device是 CPU，不会执行任何复制。

来自torch.from_numpy的文档：

返回的张量和ndarray共享相同的内存。修改 张量将反映在ndarray中，反之亦然。

在这两种情况下，生成的张量的任何更改都会更改原始 numpy 数组。

a = np.array([[1., 2], [3, 4]])
t1 = torch.as_tensor(a)
t2 = torch.from_numpy(a)
t1[0, 0] = 42.
print(a)
# prints [[42., 2.], [3., 4.]]
t2[1, 1] = 55.
print(a)
# prints [[42., 2.], [3., 55.]]

此外，在这两种情况下，尝试resize_张量都会导致错误。

Answer 1

它们基本相同，除了as_tensor更通用：

• 与from_numpy相反，它支持广泛的数据类型，包括列表，元组和本机Python标量。
• as_tensor支持直接更改 dtype 和设备，这在实践中非常方便，因为 Torch 张量的默认 dtype 是 float32，而对于 Numpy 数组，它是 float64。

当且仅当原始对象是 Numpy 数组并且请求的 dtype(如果有(与原始数据相同时，as_tensor与原始数据共享内存。这些条件与from_numpy相同，但设计后总是满足的。

Answer 2

是的，as_tensor和from_numpy是严格等价的。从文档中：

如果数据是具有相同 dtype 和设备的 NumPy 数组(ndarray(，则使用 torch.from_numpy(( 构造张量。