torch.Tensor.to

Tensor.to(*args, **kwargs) → Tensor

执行 Tensor 数据类型和/或设备转换。 torch.dtype 和 torch.device 从 self.to(*args, **kwargs) 的参数中推断。

注意

如果 self 张量已经具有正确的 torch.dtype 和 torch.device ，则返回 self 。否则，返回的张量是 self 的副本，具有所需的 torch.dtype 和 torch.device 。

下面是调用 to 的方法：

to(数据类型, non_blocking=False, copy=False, memory_format=torch.preserve_format) → 张量

返回具有指定 dtype 的张量

Args:

memory_format ( torch.memory_format ，可选）：返回 Tensor 所期望的内存格式。默认： torch.preserve_format 。

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

返回具有指定 device 和（可选） dtype 的 Tensor。如果 dtype 是 None ，则推断为 self.dtype 。当 non_blocking 设置为 True 时，如果可能，函数尝试异步执行与主机相关的转换。这种异步行为适用于固定和可分页内存。但是，在使用此功能时请谨慎。有关更多信息，请参阅有关非阻塞和 pin_memory 的良好使用教程。当 copy 设置时，即使 Tensor 已经匹配所需的转换，也会创建一个新的 Tensor。

Args:

memory_format ( torch.memory_format ，可选）：返回 Tensor 所期望的内存格式。默认： 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 设置为 True 时，如果可能，函数尝试异步执行与主机相关的转换。这种异步行为适用于固定和可分页内存。但是，在使用此功能时请谨慎。有关更多信息，请参阅关于非阻塞和固定内存的良好使用教程。当 copy 设置时，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')