torch.Tensor.to

to(*args, **kwargs) → Tensor

执行张量的数据类型和/或设备的转换。从self.to(*args, **kwargs) 的参数中推断出 torch.dtype 和 torch.device。

注意

如果self 张量已经具有正确的torch.dtype 和 torch.device，则直接返回self。否则，会返回一个新的张量，它是self 的副本，并且具有所需的torch.dtype 和 torch.device。

以下是调用 to 的方式:

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

返回一个具有指定 dtype 的张量

参数：

memory_format (torch.memory_format, 可选): 指定返回张量的内存格式。默认值: torch.preserve_format。

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

返回一个指定 device 和（可选）dtype 的 Tensor。如果 dtype 为 None，则推断其为 self.dtype。当non_blocking 设置时，如果可能的话，尝试异步地将 Tensor 转换到目标设备上，例如将具有固定内存的 CPU Tensor 转换为 CUDA Tensor。当copy 设置时，即使 Tensor 已经匹配所需的转换条件，也会创建一个新的 Tensor。

参数：

memory_format (torch.memory_format, 可选): 指定返回张量的内存格式。默认值: torch.preserve_format。

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

返回一个与 Tensor other 具有相同 torch.dtype 和 torch.device 的 Tensor。当 non_blocking 为真时，如果可能的话，尝试异步地在主机上进行转换（例如将具有固定内存的 CPU Tensor 转换为 CUDA Tensor）。当 copy 设置为真时，即使 Tensor 已经匹配所需的转换，也会创建一个新的 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')