我有一個張量串列：
[tensor([[0.4839, 0.3282, 0.1773, ..., 0.2931, 1.2194, 1.3533],
[0.4395, 0.3462, 0.1832, ..., 0.7184, 0.4948, 0.3998]],
device='cuda:0'),
tensor([[1.0586, 0.2390, 0.2315, ..., 0.9662, 0.1495, 0.7092],
[0.6403, 0.0527, 0.1832, ..., 0.1467, 0.8238, 0.4422]],
device='cuda:0')]
我想通過 np.concatenate(X) 將所有 [1xfeatures] 矩陣堆疊成一個。但出現此錯誤：
TypeError: can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.
如何解決？
uj5u.com熱心網友回復：
你的張量仍然在 GPU 上，而 numpy 操作發生在 CPU 上。您可以先將兩個張量發送回 cpu numpy.concatenate((a.cpu(), b.cpu())，如錯誤訊息所示。
或者您可以避免離開 GPU 并使用 torch.cat()
a = torch.ones((6),)
b = torch.zeros((6),)
torch.cat([a,b], dim=0)
# tensor([1., 1., 1., 1., 1., 1., 0., 0., 0., 0., 0., 0.])
uj5u.com熱心網友回復：
NumPy 函式np.concatenate()要求輸入為 NumPy 陣列，但您的資料包含在張量中。該錯誤來自以下事實：嘗試將資料轉換為 NumPy 陣列時 NumPy 函式失敗，這本身是由于張量位于 GPU 上。
您可能希望將這些張量保留在 GPU 上，在這種情況下，您可以使用以下任一方法：
- 使用 PyTorch 時的
torch.cat()函式 - 如果您使用的是 TensorFlow，則該
tf.concat()函式
或者，您可以將張量移動到 CPU。要做到這一點，只需.cpu()在使用之前添加到您的張量中，np.concatenate()如錯誤所示。
uj5u.com熱心網友回復：
Numpy 在 CPU 上作業，但你的張量在 GPU 上。
使用torch.cat()來代替。
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/337848.html