本文共 621 字，大约阅读时间需要 2 分钟。

基于PyTorch和NumPy的数组操作示例

代码解析与输出结果

import numpy as npimport torch# 创建numpy配准数组a = np.array([[1, 2], [3, 4]])print("numpy数组基本信息", a.shape, np.shape(a), a.dtype)print("----------------------------")# 将numpy数组转换为PyTorch tensorb = torch.tensor([[1, 2], [3, 4]])print("PyTorch tensor基本信息", b.shape, b.size(), b.type())print("-------------------------------------------------")# 将PyTorch tensor转换为浮点类型b = b.float()print("转换后的PyTorch tensor类型", b.dtype)

运行结果说明

运行上述代码可获得以下结果：

这个简单的示例展示了PyTorch与NumPy在数组操作方面的一些核心差异，包括数据类型和内存管理。

转载地址：http://mdypz.baihongyu.com/