torch.frombuffer

torch.frombuffer(buffer, *, dtype, count=-1, offset=0, requires_grad=False) → Tensor

從實現 Python buffer 協議的物件建立一個一維 Tensor。

跳過 buffer 中的前 offset 位元組，並將剩餘的原始位元組解釋為指定 dtype 型別、包含 count 個元素的⼀維張量。

注意，以下條件之一必須滿足：

1. count 為正且非零，並且 buffer 中的總位元組數大於 offset 加上 count 乘以 dtype 的大小（以位元組為單位）。

2. count 為負數，並且 buffer 的長度（位元組數）減去 offset 是 dtype 的大小（以位元組為單位）的倍數。

返回的 tensor 和 buffer 共享相同的記憶體。對 tensor 的修改將反映在 buffer 中，反之亦然。返回的 tensor 不可調整大小。

注意

此函式會增加擁有共享記憶體的物件的引用計數。因此，此類記憶體不會在返回的 tensor 作用域結束前被釋放。

警告

當傳遞一個實現了 buffer 協議但其資料不在 CPU 上的物件時，此函式的行為未定義。這樣做很可能會導致段錯誤。

警告

此函式不會嘗試推斷 dtype（因此，它不是可選的）。傳遞與源不同的 dtype 可能會導致意外行為。

引數

buffer (object) – 一個公開 buffer 介面的 Python 物件。

關鍵字引數

• dtype (torch.dtype) – 返回 tensor 的期望資料型別。

• count (int, optional) – 要讀取的期望元素數量。如果為負數，則讀取所有元素（直到 buffer 末尾）。預設為 -1。

• offset (int, optional) – 要在 buffer 開頭跳過的位元組數。預設為 0。

• requires_grad (bool, optional) – 如果 autograd 應記錄在返回的張量上的操作。預設值：False。

示例

>>> import array
>>> a = array.array('i', [1, 2, 3])
>>> t = torch.frombuffer(a, dtype=torch.int32)
>>> t
tensor([ 1,  2,  3])
>>> t[0] = -1
>>> a
array([-1,  2,  3])

>>> # Interprets the signed char bytes as 32-bit integers.
>>> # Each 4 signed char elements will be interpreted as
>>> # 1 signed 32-bit integer.
>>> import array
>>> a = array.array('b', [-1, 0, 0, 0])
>>> torch.frombuffer(a, dtype=torch.int32)
tensor([255], dtype=torch.int32)