torch.as_tensor

torch.as_tensor(data: Any, dtype: Optional[dtype] = None, device: Optional[DeviceLikeType]) → Tensor

将 data 转换为张量，尽可能共享数据和保留自动微分历史。

如果 data 已经是具有请求的数据类型和设备的张量，则返回 data 本身；如果 data 是具有不同数据类型或设备的张量，则将其复制，就像使用 data.to(dtype=dtype, device=device)一样。

如果 data 是一个 NumPy 数组（ndarray）并且具有相同的 dtype 和设备，则使用 torch.from_numpy() 构建一个张量。

如果 data 是 CuPy 数组，则返回的张量将位于 CuPy 数组所在的同一设备上，除非被 device 或默认设备明确覆盖。

参见

torch.tensor() 从不共享其数据，并创建一个新的“叶子张量”（参见 Autograd 机制）。

参数:

• data（array_like）- 张量的初始数据。可以是列表、元组、NumPy ndarray 、标量和其他类型。

• dtype ( torch.dtype ，可选) – 返回张量的期望数据类型。默认：如果 None ，则从 data 推断数据类型。

• device ( torch.device ，可选) – 构造张量的设备。如果为 None 且 data 是张量，则使用 data 的设备。如果为 None 且 data 不是张量，则结果张量将在当前设备上构造。

示例：

>>> 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])