問題描述：在使用pytorch的過程中，有時會遇到以下報錯：
runtimeerror: expected object of type torch.cuda.doubletensor but found type torch.cuda.floattensor for argument #3 'other'原因分析：如果pytorch的資料**是numpy，要十分注意在numpy中，小數的預設資料型別是np.float，但np.float與np.float64等價；在pytorch中，預設資料型別是torch.float，但float與torch.float32等價。也就是說，如果不加轉換地使用torch.from_numpy，numpy中的陣列將會被轉換成pytorch中的torch.double型別。而網路的其他部分很有可能使用的是預設的torch.float32型別，這就造成了資料型別的不匹配。
解決方法：一般將從numpy的輸入資料型別改為np.float32型別即可。在輸入資料加後.astype(np.float32)就可保證兩邊的資料型別統一。
Pytorch之Tensor和Numpy之間的轉換
最重要的區別t.tensor和t.tensor 不論輸入的型別是什麼，t.tensor 都會進行資料拷貝，不會共享記憶體 t.tensor 與numpy共享記憶體，但當numpy的資料型別和tensor的型別不一樣的時候，資料會被複製，不會共享記憶體。可使用t.from numpy 或者t.deta...
pytorch的tensor與numpy陣列共享值
網上的很多部落格說tensor與numpy陣列共享記憶體，這是錯誤的 先給結論 tensor與numpy陣列共享部分記憶體，說共享值更嚴謹，且有條件 看 a torch.ones 2,2 b a.numpy print id a print id b 輸出 3030786996336 3030755...
pytorch學習（一）numpy與torch對比
torch類似於numpy，可以理解為pytorch框架下的numpy，因此很多numpy的運算適用於torch 1 numpy可以轉化為torch，torch也可以轉化為numpy import torch import numpy as np np data np.arange 6 reshap...