torch.Tensor.to

Tensor.to(*args, **kwargs) → Tensor

執行 Tensor 資料型別 (dtype) 和/或裝置 (device) 轉換。torch.dtype 和 torch.device 會從 self.to(*args, **kwargs) 的引數中推斷出來。

注意

如果 self Tensor 已具有正確的 torch.dtype 和 torch.device，則返回 self。否則，返回的 Tensor 是 self 的一個副本，具有期望的 torch.dtype 和 torch.device。

以下是呼叫 to 的幾種方式

to(dtype, non_blocking=False, copy=False, memory_format=torch.preserve_format) → Tensor

返回具有指定 dtype 的 Tensor

引數

memory_format (torch.memory_format, 可選): 返回 Tensor 的期望記憶體格式。預設值: torch.preserve_format。

torch.to(device=None, dtype=None, non_blocking=False, copy=False, memory_format=torch.preserve_format) → Tensor

返回具有指定 device 和 (可選) dtype 的 Tensor。如果 dtype 為 None，則將其推斷為 self.dtype。當 non_blocking 設定為 True 時，如果可能，函式會嘗試相對於主機非同步執行轉換。這種非同步行為適用於鎖頁記憶體和可分頁記憶體。然而，建議在使用此功能時謹慎。更多資訊，請參閱 關於良好使用 non_blocking 和 pin_memory 的教程。當 copy 設定時，即使 Tensor 已匹配期望的轉換，也會建立一個新的 Tensor。

引數

memory_format (torch.memory_format, 可選): 返回 Tensor 的期望記憶體格式。預設值: torch.preserve_format。

torch.to(other, non_blocking=False, copy=False) → Tensor

返回一個與 Tensor other 具有相同 torch.dtype 和 torch.device 的 Tensor。當 non_blocking 設定為 True 時，如果可能，函式會嘗試相對於主機非同步執行轉換。這種非同步行為適用於鎖頁記憶體和可分頁記憶體。然而，建議在使用此功能時謹慎。更多資訊，請參閱 關於良好使用 non_blocking 和 pin_memory 的教程。當 copy 設定時，即使 Tensor 已匹配期望的轉換，也會建立一個新的 Tensor。

示例

>>> tensor = torch.randn(2, 2)  # Initially dtype=float32, device=cpu
>>> tensor.to(torch.float64)
tensor([[-0.5044,  0.0005],
        [ 0.3310, -0.0584]], dtype=torch.float64)

>>> cuda0 = torch.device('cuda:0')
>>> tensor.to(cuda0)
tensor([[-0.5044,  0.0005],
        [ 0.3310, -0.0584]], device='cuda:0')

>>> tensor.to(cuda0, dtype=torch.float64)
tensor([[-0.5044,  0.0005],
        [ 0.3310, -0.0584]], dtype=torch.float64, device='cuda:0')

>>> other = torch.randn((), dtype=torch.float64, device=cuda0)
>>> tensor.to(other, non_blocking=True)
tensor([[-0.5044,  0.0005],
        [ 0.3310, -0.0584]], dtype=torch.float64, device='cuda:0')