python 基础学习——关于list、numpy、torch在float和int等数据类型转换方面的总结

系列文章目录

Numpy学习——创建数组及常规操作（数组创建、切片、维度变换、索引、筛选、判断、广播） Tensor学习——创建张量及常规操作（创建、切片、索引、转换、维度变换、拼接） 基础学习——numpy与tensor张量的转换 基础学习——关于list、numpy、torch在float和int等数据类型转换方面的总结

文章目录

系列文章目录前言1、数据类型介绍2、numpy与torch的一些数组函数的区别1、empty()2、randint()3、normal()4、transpose()

3、int和float的转换1、一个数的转换2、list类型转换3、numpy类型转换4、torch数据类型转换

前言

因为自己最近总是遇到一些list、numpy、torch的数据类型转换错误，特别是不同类型间的float转int或int转float，总是遇到错误，所以在这里总结一下。

1、数据类型介绍

Python中基本数据类型主要可分为以下几种： 1.数字(Number)； 2.字符串(String)； 3.列表(List)； 4.字典(Dictionary)； 5.元组(Tuple)； 在Python3中，支持的数字类型有： 1.int–整型 2.float–浮点型 3.bool–布尔型 4.fractions–分数 5.complex–复数

2、numpy与torch的一些数组函数的区别

导入包

import torch

import torch.nn as nn

import numpy as np

import math

1、empty()

空数组：返回给定形状和类型的新数组，而不初始化条目

a = np.empty([3,3])

b = torch.empty([3,3])

print(a)

print(b)

结果：

[[6.23042070e-307 4.67296746e-307 1.69121096e-306]

[3.22647253e-307 2.67018777e-306 1.42413555e-306]

[1.78019082e-306 1.37959740e-306 2.29178686e-312]]

tensor([[0., 0., 0.],

[0., 0., 0.],

[0., 0., 0.]])

2、randint()

随机生成整数

a= np.random.randint(40, 100, (3, 4))

b = torch.randint(40, 100, (3, 4))

print(a)

print(b)

结果：

[[46 47 55 88]

[73 96 44 98]

[96 41 64 45]]

tensor([[98, 65, 57, 97],

[90, 74, 45, 64],

[67, 54, 79, 45]])

3、normal()

创建符合正态分布的4行5列数据

a = np.random.normal(0, 1, (4, 5))

b = torch.normal(0, 1, size = (4, 5))

print(a)

print(b)

结果;

[[-0.97259852 1.51207726 0.54528577 1.1024245 0.47090239]

[ 0.03231742 0.51741803 0.25911092 -1.14377841 -0.02595822]

[-0.42955202 -0.25546385 0.74112698 -1.57833126 0.69611583]

[ 0.08953791 0.32776525 0.74939352 -0.43138969 0.26458097]]

tensor([[ 0.6898, 0.4377, 1.8008, -1.3965, -1.7741],

[-0.0722, 0.6072, 0.1556, 0.2961, -0.6501],

[-1.6929, -1.0789, 2.0120, 1.0724, 1.6193],

[ 1.1412, -0.9807, 0.5462, -0.3795, -1.2053]])

4、transpose()

维度转换函数np和torch的区别

import torch

import numpy as np

a= np.random.randint(40, 100, (3, 4,5))

b = np.transpose(a,(2,1,0))

print(a.shape)

print(b.shape)

# torch.transpose只能由两个维度交换

c = torch.randn(2,3,4)

d = torch.transpose(c,0,1)

print(c.shape)

print(d.shape)

结果：

(3, 4, 5)

(5, 4, 3)

torch.Size([2, 3, 4])

torch.Size([3, 2, 4])

3、int和float的转换

导入包

import torch

import torch.nn as nn

import numpy as np

import math

1、一个数的转换

a = float(1.0)

b = int(a)

print(a)

print(b)

结果：

1.0

1

2、list类型转换

列表类型转换

a = [0.0567, 9.2345, 8.1986, 4.3333]

c = [1,2,3,4]

b = [int(a) for a in a] # 或者用下面这个

# b = list(map(int, a))

# b = [math.ceil(a) for a in a]

print(a)

print(b)

d = list(map(float, c))

print(c)

print(d)

结果：

[0.0567, 9.2345, 8.1986, 4.3333]

[0, 9, 8, 4]

[1, 2, 3, 4]

[1.0, 2.0, 3.0, 4.0]

3、numpy类型转换

numpy float 转 int 其他类型转换也是一样的

a = np.array([1, 2], dtype = 'float32') # dtype参数

print(a.dtype,a)

b = a.astype(np.int8)

print(b.dtype,b)

结果：

float32 [1. 2.]

int8 [1 2]

astype里的类型还可以填这些：

4、torch数据类型转换

在Tensor后加.long(), .int(), .float(), .double()

a = torch.tensor([1, 2], dtype =torch.int8) # dtype参数

print(a.dtype,a)

b = a.float()

print(b.dtype,b)

结果：

torch.int8 tensor([1, 2], dtype=torch.int8)

torch.float32 tensor([1., 2.])

用.to()函数进行转换

a = torch.tensor([1, 2], dtype =torch.uint8) # dtype参数

print(a.dtype,a)

b = a.to(dtype =torch.float32)

print(b.dtype,b)

结果：

torch.uint8 tensor([1, 2], dtype=torch.uint8)

torch.float32 tensor([1., 2.])

其他类型转换也是一样的。 下面是一些类型的名称。

相关文章

 您阅读本篇文章共花了：