给大家整理一篇相关的编程文章，网友史英睿根据主题投稿了本篇教程内容，涉及到pytorch numpy、numpy默认浮点类型位数、pytorch默认浮点类型、pytorch和numpy默认浮点类型位数相关内容，已被978网友关注，相关难点技巧可以阅读下方的电子资料。
pytorch和numpy默认浮点类型位数
pytorch和numpy默认浮点类型位数
numpy中默认浮点类型为64位，pytorch中默认浮点类型位32位
测试代码如下
- numpy版本：1.19.2
- pytorch版本：1.2.0
In [1]: import torch
In [2]: import numpy as np
# 版本信息
In [3]: "pytorch version: {}, numpy version: {}".format(torch.__version__, np.__version__)
Out[3]: 'pytorch version: 1.2.0, numpy version: 1.19.2'
# numpy
In [4]: dat_np = np.array([1,2,3], dtype="float")
In [5]: dat_np.dtype
Out[5]: dtype('float64')
# pytorch
In [6]: dat_torch = torch.tensor([1,2,3])
In [7]: dat_torch = dat_torch.float()
In [8]: dat_torch.dtype
Out[8]: torch.float32
pytorch和numpy的默认类型与转换问题
pytorch对于浮点类型默认为float32，而numpy的默认类型是float64，转换的代码：
torch.from_numpy(a).type(torch.FloatTensor)
torch.from_numpy(np.float32(a))
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持码农之家。
