Numpy Pytorch之資料型別與強制轉換

2022-09-15 15:24:19 字數 2337 閱讀 6436

numpy 支援比 python 更多種類的數值型別。 下表顯示了 numpy 中定義的不同標量資料型別。


torch定義了七種cpu張量型別和八種gpu張量型別,這裡我們就只講解一下cpu中的，其實gpu中只是中間加乙個cuda即可，如torch.cuda.floattensor：


同樣，直接使用型別名很可能會報錯，正確的使用方式是torch.呼叫，eg，torch.floattensor()


type函式可以由變數呼叫，或者把變數作為引數傳入。


返回的是該變數的型別，而非資料型別。


data = np.random.randint(0, 255, 300)


print


(type(data))


#
返回值為變數的資料型別


t_out = torch.tensor(1,2,3)


print


(t_out.dtype)


#torch.float32


t_out = torch.tensor(1,2,3)


print


(t_out.numpy().dtype)


#float32




n_out =n_out.astype(np.uint8)


#由變數呼叫，但是直接呼叫不會改變原變數的資料型別，是返回值是改變型別後的新變數，所以要賦值回去。




#


初始化隨機數種子


np.random.seed(0)


data = np.random.randint(0, 255, 300)


print


(data.dtype)


n_out = data.reshape(10,10,3) #


強制型別轉換


n_out =n_out.astype(np.uint8)


print


(n_out.dtype)


img =transforms.topilimage()(n_out)


img.show()


pytorch中沒有astype函式，正確的轉換方法是


1.變數直接呼叫型別


tensor = torch.tensor(3, 5)


#torch.long() 將tensor投射為long型別


newtensor =tensor.long()


#torch.half()將tensor投射為半精度浮點型別


newtensor =tensor.half()


#torch.int()將該tensor投射為int型別


newtensor =tensor.int()


#torch.double()將該tensor投射為double型別


newtensor =tensor.double()


#torch.float()將該tensor投射為float型別


newtensor =tensor.float()


#torch.char()將該tensor投射為char型別


newtensor =tensor.char()


#torch.byte()將該tensor投射為byte型別


newtensor =tensor.byte()


#torch.short()將該tensor投射為short型別


newtensor =tensor.short()


#同樣，和numpy中的astype函式一樣，是返回值才是改變型別後的結果，呼叫的變數型別不變


2.變數直接呼叫pytorch中的type函式type(new_type=none, async=false)如果未提供new_type，則返回型別，否則將此物件轉換為指定的型別。 如果已經是正確的型別，則不會執行且返回原物件。


用法如下：


t = torch.longtensor(3, 5)


t = t.type(torch.floattensor)


3.變數呼叫pytorch中的type_as函式如果張量已經是正確的型別，則不會執行操作。具體操作方法如下：


t = torch.tensor(3,5)


tensor = torch.inttensor(2, 3)


t = t.type_as(tensor)


				
AN之資料集
一 資料集 首先介紹資料集引數 英文簡稱 英文全稱 中文全稱 單位換成正常單位 說明1說明2 time time 時間小時 分鐘 temp temperature 溫度攝氏度 dodissolved oxygen 溶解氧mg m3 1mg m3 1x10 3mg l clar visual wate...

				
資料裝載之資料校驗
在資料遷移或資料裝載中，如何判斷資料的正確性？有些資料可能沒有被遷移，已經遷移成功的資料可能某些欄位不一致。在大資料量的情況下，資料的校驗還是很有必要的。現在說一下對單錶驗證的一些簡單想法 1.校驗和法 這種做法簡單直接。在源表上通過自定義的函式生成乙個校驗和，然後資料匯出後，在目標表生成乙個校驗和...

				
資料探勘之資料探索
本文探索 1.探索類別特徵，檢視每個類別特徵有多少種類 2.探索數值特徵，離散化方式 3.去除大多數是同一值的特徵 4.處理時間型特徵 所需python包 from pandas import series,dataframe import pandas as pd一 檢視每個類別特徵有多少種類 d...