torch.from_dlpack

torch.from_dlpack(ext_tensor) → Tensor

将外部库中的张量转换为 torch.Tensor。

返回的 PyTorch 张量将与输入张量（可能来自另一个库）共享内存。请注意，原地操作也将因此影响输入张量的数据。这可能会导致意外问题（例如，其他库可能设置了只读标志或使用了不可变的数据结构），因此用户应仅在确定可以安全执行此操作时才这样做。

参数

• ext_tensor (具有 __dlpack__ 属性的对象，或 DLPack 胶囊) –

  要转换的张量或 DLPack 胶囊。

  如果 ext_tensor 是一个张量（或 ndarray）对象，它必须支持 __dlpack__ 协议（即，有一个 ext_tensor.__dlpack__ 方法）。否则，ext_tensor 可以是一个 DLPack 胶囊，这是一个不透明的 PyCapsule 实例，通常由 `to_dlpack` 函数或方法生成。

• device (torch.device 或 str 或 None) – 指定新张量放置位置的可选 PyTorch 设备。如果为 None（默认），新张量将与 ext_tensor 位于同一设备上。

• copy (bool 或 None) – 一个可选的布尔值，指示是否复制 self。如果为 None，PyTorch 将仅在必要时进行复制。

返回类型

张量

示例

>>> import torch.utils.dlpack
>>> t = torch.arange(4)

# Convert a tensor directly (supported in PyTorch >= 1.10)
>>> t2 = torch.from_dlpack(t)
>>> t2[:2] = -1  # show that memory is shared
>>> t2
tensor([-1, -1,  2,  3])
>>> t
tensor([-1, -1,  2,  3])

# The old-style DLPack usage, with an intermediate capsule object
>>> capsule = torch.utils.dlpack.to_dlpack(t)
>>> capsule
<capsule object "dltensor" at ...>
>>> t3 = torch.from_dlpack(capsule)
>>> t3
tensor([-1, -1,  2,  3])
>>> t3[0] = -9  # now we're sharing memory between 3 tensors
>>> t3
tensor([-9, -1,  2,  3])
>>> t2
tensor([-9, -1,  2,  3])
>>> t
tensor([-9, -1,  2,  3])