淘宝美工做兼职的网站推广产品

使用 tensor.numpy 函数可以将张量转换为 ndarray 数组，但是共享内存，可以使用 copy 函数避免共享。共享内存会导致张量或者numpy中的其中一个更改后，另外一个会受到影响。

---

代码

import torch # 张量转换为 numpy 数组
def test01():data_tensor = torch.tensor([2,3,4])# 将张量转换为 numpy 数组data_numpy = data_tensor.numpy()print(type(data_tensor))print(type(data_numpy))print(data_tensor)print(data_numpy)# 张量和 numpy 数组共享内存
def test02():data_tensor = torch.tensor([2,3,4])data_numpy = data_tensor.numpy()data_tensor[0] = 100 print(data_tensor)print(data_numpy)# 修改 numpy 数组元素的值，看看张量是否会发生变化？ 会发生变化data_numpy[0] = 200 print(data_tensor)print(data_numpy)# 使用 copy 函数实现不共享内存
def test03():data_tensor = torch.tensor([2,3,4])# 此处，发生了类型转换，可以使用拷贝函数产生新的数据，避免共享内存data_numpy = data_tensor.numpy().copy()# 修改 numpy 数组元素的值，看看张量是否会发生变化？ 不会发生变化data_numpy[0] = 100 print(data_tensor)print(data_numpy)data_tensor[0] = 200 print(data_tensor)print(data_numpy)if __name__ == "__main__":test03()