torch.as_tensor

torch.as_tensor(data, dtype=None, device=None) → Tensor

将数据转换为张量，并在可能的情况下共享数据和保留自动微分的历史记录。

如果 data 已经是一个具有请求数据类型的张量，并且设备也符合要求，那么直接返回 data。但如果 data 的数据类型或设备与要求不符，则会像使用 data.to(dtype=dtype, device=device) 一样进行复制。

如果data是一个与数据类型和设备相同的NumPy数组（ndarray），则使用torch.from_numpy()来构建张量。

如果 data 是一个 CuPy 数组，返回的张量将位于与该数组相同的设备上，除非被 device 或默认设备显式指定。

参见

torch.tensor() 永远不会共享其数据，并且会创建一个新的“叶子张量”（参见自动微分机制）。

参数

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

• dtype (torch.dtype, 可选) – 返回张量的数据类型。默认情况下，如果未指定 None，则根据 data 推断数据类型。

• device (torch.device, 可选) – 构造张量时使用的设备。如果为 None，且 data 是一个张量，则使用 data 的设备；如果为 None 且 data 不是张量，则结果张量在当前设备上创建。

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])