Fatal编程技术网
  • machine-learning/
  • Machine learning 在PyTorch张量上调用cpu（）.data.numpy（）时会发生什么？

Machine learning 在PyTorch张量上调用cpu（）.data.numpy（）时会发生什么？

machine-learning pytorch

Machine learning 在PyTorch张量上调用cpu（）.data.numpy（）时会发生什么？,machine-learning,pytorch,Machine Learning,Pytorch,我正在做一个项目，需要将损失张量中的数据传递到绘图库 执行此调用->loss.cpu.data.numpy时会发生什么 是否存在从计算图中分离张量的风险？将张量复制到CPU，但如果它已经在CPU上，则不会发生任何更改 从张量创建NumPy数组。张量和数组共享底层内存，因此如果适当修改NumPy数组，更改将反映在原始张量中。如果计划对NumPy阵列进行就地修改，通常应创建其副本。在丢失在GPU上的情况下，loss.cpu已经创建了一个副本，因此就地修改只会影响中间cpu张量，而您不使用它 是否存在

我正在做一个项目，需要将损失张量中的数据传递到绘图库

执行此调用->loss.cpu.data.numpy时会发生什么

是否存在从计算图中分离张量的风险？

将张量复制到CPU，但如果它已经在CPU上，则不会发生任何更改

从张量创建NumPy数组。张量和数组共享底层内存，因此如果适当修改NumPy数组，更改将反映在原始张量中。如果计划对NumPy阵列进行就地修改，通常应创建其副本。在丢失在GPU上的情况下，loss.cpu已经创建了一个副本，因此就地修改只会影响中间cpu张量，而您不使用它

是否存在从计算图中分离张量的风险

不，对于计算图，原始张量损失不受此影响。

将张量复制到CPU，但如果它已经在CPU上，则不会发生任何变化

从张量创建NumPy数组。张量和数组共享底层内存，因此如果适当修改NumPy数组，更改将反映在原始张量中。如果计划对NumPy阵列进行就地修改，通常应创建其副本。在丢失在GPU上的情况下，loss.cpu已经创建了一个副本，因此就地修改只会影响中间cpu张量，而您不使用它

是否存在从计算图中分离张量的风险

不，对于计算图，原始张量损失不受此影响