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)返回值為變數的資料型別(type(data))
#
t_out = torch.tensor(1,2,3)(t_out.dtype)
#torch.float32
t_out = torch.tensor(1,2,3)
(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。
#pytorch中沒有astype函式,正確的轉換方法是初始化隨機數種子
np.random.seed(0)
data = np.random.randint(0, 255, 300)
(data.dtype)
n_out = data.reshape(10,10,3) #
強制型別轉換
n_out =n_out.astype(np.uint8)
(n_out.dtype)
img =transforms.topilimage()(n_out)
img.show()
1.變數直接呼叫型別
tensor = torch.tensor(3, 5)2.變數直接呼叫pytorch中的type函式#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
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)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 = t.type(torch.floattensor)
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...