torch.frombuffer

torch.frombuffer(buffer, *, dtype, count=-1, offset=0, requires_grad=False) → Tensor ¶

从实现 Python 缓冲区协议的对象创建一个 1 维 Tensor 。

跳过缓冲区中的前 offset 个字节，并将剩余的原始字节解释为具有 count 个元素的 1 维张量，类型为 dtype 。

注意以下两个条件中的任意一个必须成立：

1. count 是一个正的非零数，且缓冲区中的总字节数大于 offset 加上 count 乘以 dtype 的字节大小。

2. count 是负数，且缓冲区长度（字节数）减去 offset 后的结果能够被 dtype 的字节大小整除。

返回的张量和缓冲区共享相同的内存。对张量的修改将反映在缓冲区中，反之亦然。返回的张量不可调整大小。

注意

此函数增加拥有共享内存的对象的引用计数。因此，在返回的张量超出作用域之前，此类内存不会被释放。

警告

当传递一个实现缓冲区协议的对象给此函数，但其数据不在 CPU 上时，此函数的行为是未定义的。这样做很可能会导致段错误。

警告

此函数不尝试推断 dtype （因此，它不是可选的）。传递与源不同的 dtype 可能会导致意外行为。

参数:

缓冲区（对象）- 一个暴露缓冲区接口的 Python 对象。

关键字参数:

• dtype（ torch.dtype ）- 返回张量的期望数据类型。

• count（int，可选）- 要读取的期望元素数量。如果为负，则读取所有元素（直到缓冲区末尾）。默认：-1。

• offset（int，可选）- 在缓冲区开始处跳过的字节数。默认：0。

• requires_grad (bool，可选) – 如果 autograd 应记录对返回张量的操作。默认： False 。

示例：

>>> import array
>>> a = array.array('i', [1, 2, 3])
>>> t = torch.frombuffer(a, dtype=torch.int32)
>>> t
tensor([ 1,  2,  3])
>>> t[0] = -1
>>> a
array([-1,  2,  3])

>>> # Interprets the signed char bytes as 32-bit integers.
>>> # Each 4 signed char elements will be interpreted as
>>> # 1 signed 32-bit integer.
>>> import array
>>> a = array.array('b', [-1, 0, 0, 0])
>>> torch.frombuffer(a, dtype=torch.int32)
tensor([255], dtype=torch.int32)