这篇文章将为大家详细讲解有关PyTorch上的常用数据类型有哪些，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
PyTorch上的常用数据类型如下
| Data type | dtype | CPU tensor | GPU tensor | Size/bytes |
|---|---|---|---|---|
| 32-bit floating | torch.float32 or torch.float | torch.FloatTensor | torch.cuda.FloatTensor | 4 |
| 64-bit floating | torch.float64 or torch.double | torch.DoubleTensor | torch.cuda.DoubleTensor | 8 |
| 16-bit floating | torch.float16or torch.half | torch.HalfTensor | torch.cuda.HalfTensor | - |
| 8-bit integer (unsigned) | torch.uint8 | torch.ByteTensor | torch.cuda.ByteTensor | 1 |
| 8-bit integer (signed) | torch.int8 | torch.CharTensor | torch.cuda.CharTensor | - |
| 16-bit integer (signed) | torch.int16or torch.short | torch.ShortTensor | torch.cuda.ShortTensor | 2 |
| 32-bit integer (signed) | torch.int32 or torch.int | torch.IntTensor | torch.cuda.IntTensor | 4 |
| 64-bit integer (signed) | torch.int64 or torch.long | torch.LongTensor | torch.cuda.LongTensor | 8 |
以上PyTorch中的数据类型和numpy中的相对应，占用字节大小也是一样的
补充：pytorch tensor比较大小 数据类型要注意
如下
a = torch.tensor([[0, 0], [0, 0]])print(a>=0.5)输出
tensor([[1, 1],
[1, 1]], dtype=torch.uint8)
结果明显不对, 分析原因是因为, a是long类型, 而0.5是float. 0.5会被转化为 long, 变为0. 因此结果会出错, 做出如下修改就可以得到正确答案
正确用法：
a = torch.tensor([[0, 0], [0, 0]]).float()print(a>=0.5)pytorch的优点
1.PyTorch是相当简洁且高效快速的框架；2.设计追求最少的封装；3.设计符合人类思维，它让用户尽可能地专注于实现自己的想法；4.与google的Tensorflow类似，FAIR的支持足以确保PyTorch获得持续的开发更新；5.PyTorch作者亲自维护的论坛 供用户交流和求教问题6.入门简单
关于“PyTorch上的常用数据类型有哪些”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
