主要使用 numpy() 和 from_numpy 实现 Tensor 和 NumPy的数据转换

关于是否共享内存，总结下

代码

import numpy as np
import torch

# 例1、NumPy数组转成Tensor， from_numpy()，共享内存
a = np.array([1, 2, 3, 4, 5])
b = torch.from_numpy(a)
print(a, b)
a += 1
print(a, b)  # 相同，说明共享内存
print()

# 例2、NumPy数组转成Tensor， tensor()，不共享内存
a = np.array([1, 2, 3, 4, 5])
b = torch.tensor(a)
print(a, b)
a += 1
print(a, b)  # 不相同，说明不共享内存
print()


# 例3、Tensor转成NumPy数组， numpy()，共享内存
a = torch.tensor([1, 2, 3, 4, 5])
b = a.numpy()
print(a, b)
a += 1
print(a, b) # 相同，说明共享内存
print()

# 例4、Tensor转成NumPy数组， clone()，不共享内存
a = torch.tensor([1, 2, 3, 4, 5])
b = a.clone().numpy()
print(a, b)
a += 1
print(a, b) # 不相同，说明不共享内存

运行结果

[1 2 3 4 5] tensor([1, 2, 3, 4, 5])
[2 3 4 5 6] tensor([2, 3, 4, 5, 6])

[1 2 3 4 5] tensor([1, 2, 3, 4, 5])
[2 3 4 5 6] tensor([1, 2, 3, 4, 5])

tensor([1, 2, 3, 4, 5]) [1 2 3 4 5]
tensor([2, 3, 4, 5, 6]) [2 3 4 5 6]

tensor([1, 2, 3, 4, 5]) [1 2 3 4 5]
tensor([2, 3, 4, 5, 6]) [1 2 3 4 5]