python3 list, np.array, torch.tensor相互转换

1. 单个变量的转化

ndarray = np.array(list)  # list 转 numpy数组
list = ndarray.tolist()  # numpy 转 list
tensor=torch.tensor(list)  # list 转 torch.Tensor
list = tensor.numpy().tolist()  # torch.Tensor 转 list  先转numpy，后转list
ndarray = tensor.cpu().numpy()  # torch.Tensor 转 numpy  *gpu上的tensor不能直接转为numpy
tensor = torch.from_numpy(ndarray)  # numpy 转 torch.Tensor

2. 如果一个列表包含很多tensor，需要使用stack来实现

torch_tensor = torch.stack(torch_list)

3. 或者多个tensor合并成一个高维tensor，需要使用torch.cat((A,B),axis)来实现

简单理解：aix=0表示增加行，aix=1表示增加列

import torch

# 初始化三个 tensor
A=torch.ones(2,3)    #2x3的张量（矩阵）                                     
# tensor([[ 1.,  1.,  1.],
#         [ 1.,  1.,  1.]])
B=2*torch.ones(4,3)  #4x3的张量（矩阵）                                    
# tensor([[ 2.,  2.,  2.],
#         [ 2.,  2.,  2.],
#         [ 2.,  2.,  2.],
#         [ 2.,  2.,  2.]])
D=2*torch.ones(2,4)	 # 2x4的张量（矩阵）
# tensor([[ 2.,  2.,  2., 2.],
#         [ 2.,  2.,  2., 2.],

# 按维数0（行）拼接 A 和 B
C=torch.cat((A,B),0) 
# tensor([[ 1.,  1.,  1.],
#          [ 1.,  1.,  1.],
#          [ 2.,  2.,  2.],
#          [ 2.,  2.,  2.],
#          [ 2.,  2.,  2.],
#          [ 2.,  2.,  2.]])
print(C.shape)
# torch.Size([6, 3])


# 按维数1（列）拼接 A 和 D
C=torch.cat((A,D),1)
# tensor([[ 1.,  1.,  1.,  2.,  2.,  2.,  2.],
#         [ 1.,  1.,  1.,  2.,  2.,  2.,  2.]])
print(C.shape)
# torch.Size([2, 7])