Comment convertir Pytorch autograd.Variable de Numpy?

Le titre dit tout. Je veux convertir un PyTorch autograd.Variable à son équivalent numpy tableau. Dans leur la documentation officielle ils ont prôné l'utilisation d' a.numpy() d'obtenir l'équivalent numpy array (pour PyTorch tensor). Mais cela me donne l'erreur suivante:

Traceback (most recent call last): File "stdin", line 1, dans le module
Fichier
"/home/bishwajit/anaconda3/lib/python3.6/site-packages/torch/autograd/variable.py",
ligne 63, dans getattr élever AttributeError(nom) AttributeError:
numpy

Est il possible que je peux contourner cela?

OriginalL'auteur Bishwajit Purkaystha | 2017-06-03

  1. 23

    Deux cas possible

    • À l'aide de GPU: Si vous essayez de convertir un cuda float-tenseur directement à numpy comme indiqué ci-dessous,il lèvera une erreur.

      x.les données.numpy()

      RuntimeError: numpy conversion pour FloatTensor n'est pas pris en charge

      Donc, vous ne pouvez pas convertir un cuda float-tenseur directement à numpy, la place, vous devez le convertir en un cpu float-tenseur d'abord, et de tenter de les convertir en numpy, comme illustré ci-dessous.

      x.les données.cpu().numpy()

    • À l'aide du PROCESSEUR: de la Conversion d'un PROCESSEUR tenseur est simple.

      x.les données.numpy()

    Oui, je l'ai fait. J'ai répondu à ma propre question. Mais il a disparu de toute façon.
    J'ai pensé à mentionner, en particulier, comme beaucoup le font face à ce problème.Cheers !!
    Comment cela se compare à x.cpu().data.numpy() et np.asarray(torch_tensor)? Ne pouvez pas trouver toute la documentation qui mentionne cette

    OriginalL'auteur blitu12345

  2. 2

    J'ai trouvé le moyen. En fait, je peux le premier extrait de l' Tensor données à partir de la autograd.Variable en utilisant a.data. Puis le reste de la partie est vraiment simple. Je viens de l'utiliser a.data.numpy() d'obtenir l'équivalent numpy tableau. Voici les étapes:

    a = a.data  # a is now torch.Tensor
a = a.numpy()  # a is now numpy array

    OriginalL'auteur Bishwajit Purkaystha