libtorch::Tensor与Eigen::Tensor互相转换

1. Eigen::Tensor转libtorch::Tensor

    Eigen::Tensor<float, 3> a{2,4,3};a.setRandom();a(1,2,1) = 11.0;/*核心*/torch::Tensor b = torch::from_blob(a.data(), {1, a.dimension(2), a.dimension(1), a.dimension(0)});/*核心*/b = b.permute({0, 3, 2, 1});std::cout << a << std::endl;  //这个输出不直观for ( int i = 0; i < a.dimension(0); i++ ) {printf("\n");printf("(%d, :, :) = ", i+1);for ( int j = 0; j < a.dimension(1); j++ ) {printf("\n");for ( int k = 0; k < a.dimension(2); k++ ) {printf("%.4f ", a(i,j,k));}}}printf("\n");std::cout << "b: \n" << b << "\n";

在这里插入图片描述

2. torch::Tensor 转 Eigen::Tensor

    torch::Tensor t = torch::rand({2,4,3});std::cout << "torch::Tensor:  " << t << "\n\n";/*核心*/Eigen::Tensor<float, 3> bb = Eigen::TensorMap<Eigen::Tensor<float, 3>>{ (float*)t.data_ptr(),2,4,3};/*核心*/Eigen::Tensor<float, 3, Eigen::RowMajor> e = bb.swap_layout();/*核心*/e.resize(2,4,3);//打印Eigen::Tensorstd::cout << "Eigen::Tensor:  " ;for ( int i = 0; i < e.dimension(0); i++ ) {printf("\n");printf("(%d, :, :) = ", i+1);for ( int j = 0; j < e.dimension(1); j++ ) {printf("\n");for ( int k = 0; k < e.dimension(2); k++ ) {printf("%.4f ", e(i,j,k));}}}

在这里插入图片描述

3. 多说几句

上面使用的torch::permute、Eigen::swap_layout、Eigen::resize都不会改变数据在内存中的顺序，他们只是换了对内存的理解方式；
比如：现在有一个3x3矩阵，在内存中为[1,2,3,4,5,6,7,8,9]，那么它是 $\begin{bmatrix} 1 & 2 & 3 \\ 4 & 5&6\\7&8 &9\end{bmatrix}$ ，还是 $\begin{bmatrix} 1 & 4 & 7 \\ 2 & 5&8\\3&6&9 \end{bmatrix}$ ，只取决于你的“理解方式”。
如果你想封装成函数，建议把结果做一次深拷贝，因为两个不同类别的对象指向同一块内存，可能会出现一个对象释放了内存，导致另一个对象也无法使用的情况。