torch.as_tensor

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

将 data 转换为张量，如果可能，共享数据并保留自动求导历史。

如果 data 已经是一个具有所需 dtype 和 device 的张量，则返回 data 本身，但如果 data 是一个具有不同 dtype 或 device 的张量，则会复制它，就像使用 data.to(dtype=dtype, device=device) 一样。

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

如果 data 是一个 CuPy 数组，则返回的张量将位于与 CuPy 数组相同的设备上，除非被 device 或默认设备专门覆盖。

另请参阅

torch.tensor() 永不共享其数据并创建一个新的“叶张量”（参见 自动求导机制）。

参数

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

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

• device (torch.device, optional) – 构造张量的设备。如果为 None 且数据是张量，则使用数据的设备。如果为 None 且数据不是张量，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])