Python 如何使用PyTorch 0.4.0从numpy数组生成requires_grad=True的FloatTensor？

Pytorch 0.4.0引入了张量和变量类的合并

在此版本之前，当我想从numpy数组创建带有autograd的

变量时，我会执行以下操作（其中
x
是一个numpy数组）：

使用PyTorch版本0.4.0，演示了如何在启用autograd的情况下创建张量，示例显示您可以执行以下操作：

x = torch.ones(3, 4, requires_grad=True) 

并将
requires_grad
设置为现有张量

existing_tensor.requires_grad_()

我尝试了以下三种方法来创建一个带有
requires_grad=True
的张量，它会给出错误（其中
x
是一个numpy数组）：

首先是

x = FloatTensor(x, requires_grad=True)

这就产生了错误

TypeError: new() received an invalid combination of arguments - got 
(numpy.ndarray, requires_grad=bool), but expected one of:
 * (torch.device device)
 * (tuple of ints size, torch.device device)
      didn't match because some of the keywords were incorrect: 
requires_grad
 * (torch.Storage storage)
 * (Tensor other)
 * (object data, torch.device device)
      didn't match because some of the keywords were incorrect: 
requires_grad

第二是做什么

x = FloatTensor(x)
x.requires_grad()

第三是

x = torch.from_numpy(x).single()
x.requires_grad()

它们都会在第二行抛出以下错误：

TypeError: 'bool' object is not callable

这些错误给了我一点提示，说明我做错了什么，而且由于最新版本非常新，很难在网上找到帮助的内容。如何使用PyTorch 0.4.0从一个numpy数组生成一个
FloatTensor
requires\u grad=True

，最好是在单行中？

如何使用PyTorch 0.4.0从一个numpy数组生成一个requires\u grad=True的FloatTensor

如果

x

是您的numpy数组，那么这一行应该起到以下作用：

火炬张量（x，需要_grad=True） 以下是使用PyTorch 0.4.0测试的完整示例：

将numpy导入为np
进口火炬
x=np.数组（[1.3,0.5,1.9,2.45]）
打印（'np.array:'，x）
t=火炬张量（x，x=真）
print（'tensor:'，t）
打印（'requires\u grad:'，t.requires\u grad）

这将提供以下输出：

np.array: [1.3  0.5  1.9  2.45]
tensor: tensor([ 1.3000,  0.5000,  1.9000,  2.4500], dtype=torch.float64)
requires_grad: True

编辑：

dtype

应该由给定的numpy数组

x

的

dtype

确定

---

我希望这能有所帮助。

谢谢。似乎我误解了

torch.FloatTensor

的作用，我认为是

torch.tensor

的一个子类型强制了float类型。你能解释一下torch.FloatTensor的用途吗？请看一下迁移指南，它们有详细的解释。他们改变了类型。所有pytorch张量现在都是格式类型“torch.Tensor”，而不是像torch.FloatTensor这样的python数据类型。相反，您应该使用now dtype，与numpy中使用的相同。但请看一下指南，如果您还有任何问题，请提问：）

np.array: [1.3  0.5  1.9  2.45]
tensor: tensor([ 1.3000,  0.5000,  1.9000,  2.4500], dtype=torch.float64)
requires_grad: True