Tensor, Numpy(array), list相互转换，及在gpu中的使用

**Tensor、NumPy数组和列表之间的转换**

在深度学习领域中，数据通常以 NumPy 数组或 TensorFlow/PyTorch 张量的形式存储。然而，在某些情况下，我们可能需要将这些数据转换为列表，以便进行其他操作。在本文中，我们将讨论如何将 Tensor、NumPy 数组和列表之间进行相互转换。

###1. NumPy 数组到张量首先，让我们看看如何将 NumPy 数组转换为 TensorFlow 张量。TensorFlow 提供了 `tf.convert_to_tensor()` 函数来实现这一点。

import numpy as npimport tensorflow as tf# 创建一个 NumPy 数组np_array = np.array([[1,2], [3,4]])

# 将 NumPy 数组转换为 TensorFlow 张量tensor = tf.convert_to_tensor(np_array)

print(tensor) # 输出: tf.Tensor([[12]
 # [34]], shape=(2,2), dtype=int32)

###2. 张量到 NumPy 数组相反，我们也可以将 TensorFlow 张量转换为 NumPy 数组。TensorFlow 提供了 `tf.numpy()` 函数来实现这一点。

import numpy as npimport tensorflow as tf# 创建一个 TensorFlow 张量tensor = tf.constant([[1,2], [3,4]])

# 将张量转换为 NumPy 数组np_array = tensor.numpy()

print(np_array) # 输出: [[12]
 # [34]]

###3. 列表到张量我们还可以将列表转换为 TensorFlow 张量。TensorFlow 提供了 `tf.convert_to_tensor()` 函数来实现这一点。

import numpy as npimport tensorflow as tf# 创建一个列表lst = [1,2,3,4]

# 将列表转换为 TensorFlow 张量tensor = tf.convert_to_tensor(lst)

print(tensor) # 输出: tf.Tensor([1234], shape=(4,), dtype=int32)

###4. 张量到列表相反，我们也可以将 TensorFlow 张量转换为列表。TensorFlow 提供了 `numpy()` 函数来实现这一点。

import numpy as npimport tensorflow as tf# 创建一个 TensorFlow 张量tensor = tf.constant([1,2,3,4])

# 将张量转换为列表lst = tensor.numpy().tolist()

print(lst) # 输出: [1,2,3,4]

###5. NumPy 数组到列表我们还可以将 NumPy 数组转换为列表。NumPy 提供了 `tolist()` 函数来实现这一点。

import numpy as np# 创建一个 NumPy 数组np_array = np.array([[1,2], [3,4]])

# 将 NumPy 数组转换为列表lst = np_array.tolist()

print(lst) # 输出: [[1,2], [3,4]]

###6. 列表到 NumPy 数组相反，我们也可以将列表转换为 NumPy 数组。NumPy 提供了 `array()` 函数来实现这一点。

import numpy as np# 创建一个列表lst = [1,2,3,4]

# 将列表转换为 NumPy 数组np_array = np.array(lst)

print(np_array) # 输出: [1234]

### 在 GPU 中使用张量和 NumPy 数组在深度学习领域中，GPU 是一种常见的硬件设备，它可以加速计算。TensorFlow 和 PyTorch 都支持 GPU 的使用。在本节中，我们将讨论如何在 GPU 上使用张量和 NumPy 数组。

####1. 在 GPU 上创建张量我们可以使用 `tf.device()` 函数来指定 TensorFlow 操作的设备。

import tensorflow as tf# 指定 GPU 设备with tf.device('/gpu:0'):
 # 创建一个张量 tensor = tf.constant([1,2,3,4])

print(tensor) # 输出: tf.Tensor([1234], shape=(4,), dtype=int32)

####2. 在 GPU 上创建 NumPy 数组我们可以使用 `numpy()` 函数来将张量转换为 NumPy 数组。

import numpy as npimport tensorflow as tf# 指定 GPU 设备with tf.device('/gpu:0'):
 # 创建一个张量 tensor = tf.constant([1,2,3,4])

# 将张量转换为 NumPy 数组np_array = tensor.numpy()

print(np_array) # 输出: [1234]

####3. 在 GPU 上使用列表我们可以将列表转换为张量，然后在 GPU 上使用它。

import numpy as npimport tensorflow as tf# 指定 GPU 设备with tf.device('/gpu:0'):
 # 创建一个列表 lst = [1,2,3,4]

# 将列表转换为张量tensor = tf.convert_to_tensor(lst)

print(tensor) # 输出: tf.Tensor([1234], shape=(4,), dtype=int32)

####4. 在 GPU 上使用 NumPy 数组我们可以将 NumPy 数组转换为张量，然后在 GPU 上使用它。

import numpy as npimport tensorflow as tf# 指定 GPU 设备with tf.device('/gpu:0'):
 # 创建一个 NumPy 数组 np_array = np.array([1,2,3,4])

# 将 NumPy 数组转换为张量tensor = tf.convert_to_tensor(np_array)

print(tensor) # 输出: tf.Tensor([1234], shape=(4,), dtype=int32)

综上所述，我们可以将 Tensor、NumPy 数组和列表之间进行相互转换。在 GPU 上使用张量和 NumPy 数组也非常简单，只需要指定设备即可。