版权声明：本文为博主原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_37589575/article/details/99446394

1.1 List --> Arrary: np.array(List 变量)

a = [1, 2, 3, 4]

b = np.array(a)

1.2 Arrary --> List: Array 变量.tolist()

a = [1, 2, 3, 4]

b = np.array(a)c = b.tolist()

2.1 List --> Tensor: torch.Tensor(List 变量)

a = [1, 2, 3, 4]

b = torch.Tensor(a)

2.2 Tensor --> List: Tensor 变量.numpy().tolist()

a = [1, 2, 3, 4]

b = torch.Tensor(a)c = b.numpy().tolist()

这里 c 和 a 的差异在于 List 转为 Tensor 的时候默认 Tensor 中的数据为 float 类型，所以转回来的时候会变为浮点数。

3.1 Array --> Tensor: torch.from_numpy(Array 变量)

a = [1, 2, 3, 4]

b = np.array(a)c = torch.from_numpy(b)

3.2 Tensor --> Array: torch.numpy(Tensor 变量)

a = [1, 2, 3, 4]

b = np.array(a)c = torch.from_numpy(b)

d = c.numpy()

如果需要转换 GPU 上的张量 Tensor，需要将其转换到 CPU 上，例如 GPU 上的 Tensor ：

a = [1, 2, 3, 4]

b = np.array(a)c = torch.from_numpy(b).cuda()

d = c.numpy()

会报错： TypeError: can’t convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.

这时应该使用

d = c.cpu().numpy()

先放回 CPU 在进行转换。