pytorch和numpy默认浮点类型位数详解

目录

• pytorch和numpy默认浮点类型位数
• 测试代码如下
• pytorch和numpy的默认类型与转换问题
• 总结

pytorch和numpy默认浮点类型位数

numpy中默认浮点类型为64位，pytorch中默认浮点类型位32位

测试代码如下

• numpy版本：1.19.2
• pytorch版本：1.2.0

In [1]: import torch
In [2]: import numpy as np
# 版本信息
In [3]: "pytorch version: {}, numpy version: {}".format(torch.__version__, np.__version__)
Out[3]: 'pytorch version: 1.2.0, numpy version: 1.19.2'

# numpy
In [4]: dat_np = np.array([1,2,3], dtype="float")
In [5]: dat_np.dtype
Out[5]: dtype('float64')

# pytorch
In [6]: dat_torch = torch.tensor([1,2,3])
In [7]: dat_torch = dat_torch.float()
In [8]: dat_torch.dtype
Out[8]: torch.float32

pytorch和numpy的默认类型与转换问题

pytorch对于浮点类型默认为float32，而numpy的默认类型是float64，转换的代码：

torch.from_numpy(a).type(torch.FloatTensor)

torch.from_numpy(np.float32(a))

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。

原文地址：https://blog.csdn.net/u012633319/article/details/113784143