Pytorch之Tensor和Numpy之间的转换的实现方法

为什么要相互转换：

1. 要对tensor进行操作，需要先启动一个Session,否则，我们无法对一个tensor比如一个tensor常量重新赋值或是做一些判断操作，所以如果将它转化为numpy数组就好处理了。下面一个小程序讲述了将tensor转化为numpy数组，以及又重新还原为tensor：

2. Torch的Tensor和numpy的array会共享他们的存储空间，修改一个会导致另外的一个也被修改。

学习链接：https://github.com/chenyuntc/pytorch-book

特别提醒[注意Tensor大小写]

1. 最重要的区别t.Tensor和t.tensor：不论输入的类型是什么，t.tensor()都会进行数据拷贝，不会共享内存；t.Tensor()与Numpy共享内存，但当Numpy的数据类型和Tensor的类型不一样的时候，数据会被复制，不会共享内存。
2. 可使用t.from_numpy()或者t.detach()将Numpy转为Tensor，与原Numpy数据共享内存。

附上实验证明

常规转换：使用t.from_numpy()将Numpy转为Tensor，使用torch.numpy()将Tensor转为Numpy

需要注意的情况：使用t.Tensor()进行转换，发现Numpy的数据类型和Tensor的类型一致，因此共享内存

需要注意的情况：使用t.Tensor()进行转换，发现Numpy的数据类型和Tensor的类型不一致，因此b与a不共享内存

需要注意的情况：使用t.tensor()进行转换，只进行数据拷贝，不会共享内存