torch.as_tensor

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

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

Если data уже является тензором с требуемым типом данных и устройством, то возвращается data само, но если data является тензором с другим типом данных или устройством, то оно копируется, как если бы использовалась data.to(dtype=dtype, device=device).

Если data является массивом NumPy (ndarray) с тем же типом данных 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) – Начальные 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, тип данных определяется из data.
• device (torch.device, необязательно) – устройство создаваемого тензора. Если None и data является тензором, то используется устройство data. Если None и data не является тензором, то результат тензор строится на текущем устройстве.

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])