torch.as_tensor

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

Преобразует данные в тензор, совмещая данные и сохраняя историю autograd, если это возможно.

Если данные уже являются тензором с запрошенным типом и устройством, то возвращаются сами данные, но если данные являются тензором с другим типом или устройством, то они копируются так, как если бы использовалось data.to(dtype=dtype, device=device).

Если данные являются массивом NumPy (ndarray) с тем же типом и устройством, то тензор создаётся с помощью torch.from_numpy().

См. также

torch.tensor() никогда не совмещает свои данные и создаёт новый «листовой тензор» (см. Механизмы Autograd).

Параметры:

• data (array_like) – Исходные данные для тензора. Может быть списком, кортежем, массивом NumPy ndarray, скаляром и другими типами.
• dtype (torch.dtype, необязательно) – желаемый тип данных возвращаемого тензора. По умолчанию: если None, определяет тип данных из data.
• device (torch.device, необязательно) – устройство создаваемого тензора. Если None и данные являются тензором, то используется устройство данных. Если None и данные не являются тензором, то тензор результата создаётся на CPU.

Пример:

>>> 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])