[torch 参数更多]torch.Tensor.to

torch.Tensor.to

torch.Tensor.to(dtype, non_blocking=False, copy=False, memory_format=torch.preserve_format)

paddle.Tensor.to

paddle.Tensor.to(dtype, blocking=True)

Pytorch 相比 Paddle 支持更多其他参数,具体如下:

参数映射

PyTorch PaddlePaddle 备注
dtype dtype 表示输出 Tensor 的数据类型。
non_blocking blocking 控制 cpu 和 gpu 数据的异步复制,取值相反,需要转写。
copy - 表示是否复制,Paddle 无此参数,一般对网络训练结果影响不大,可直接删除。
memory_format - 表示内存格式,Paddle 无此参数,一般对网络训练结果影响不大,可直接删除。

转写示例

non_blocking: cpu 和 gpu 数据的异步复制

# Pytorch 写法
x = torch.tensor([1, 2, 3])
x.to(dtype, non_blocking=True)

# Paddle 写法
x= paddle.to_tensor([1, 2, 3])
x.to(dtype, blocking=False)

torch.Tensor.to

torch.Tensor.to(device=None, dtype=None, non_blocking=False, copy=False, memory_format=torch.preserve_format)

paddle.Tensor.to

paddle.Tensor.to(device, dtype=None, blocking=True)

Pytorch 相比 Paddle 支持更多其他参数,具体如下:

参数映射

PyTorch PaddlePaddle 备注
device device 表示 Tensor 存放设备位置。
dtype dtype 表示输出 Tensor 的数据类型。
non_blocking blocking 控制 cpu 和 gpu 数据的异步复制,取值相反,需要转写。
copy - 表示是否复制,Paddle 无此参数,暂无转写方式。
memory_format - 表示内存格式,Paddle 无此参数,一般对网络训练结果影响不大,可直接删除。

转写示例

non_blocking: cpu 和 gpu 数据的异步复制

# Pytorch 写法
x = torch.tensor([1, 2, 3])
x.to(device, dtype, non_blocking=True)

# Paddle 写法
x= paddle.to_tensor([1, 2, 3])
x.to(device, dtype, blocking=False)

torch.Tensor.to

torch.Tensor.to(other, non_blocking=False, copy=False)

paddle.Tensor.to

paddle.Tensor.to(dtype)

Pytorch 相比 Paddle 支持更多其他参数,具体如下:

参数映射

PyTorch PaddlePaddle 备注
other - 表示参照 dtype 的 Tensor,Paddle 无此参数,需要转写。
non_blocking blocking 控制 cpu 和 gpu 数据的异步复制,取值相反,需要转写。
copy - 表示是否复制,Paddle 无此参数,暂无转写方式。

转写示例

other: 表示参照 dtype 的 Tensor

# Pytorch 写法
y = x.to(x2)

# Paddle 写法
y = x.to(x2.dtype)

non_blocking: cpu 和 gpu 数据的异步复制

# Pytorch 写法
y = x.to(x2, non_blocking=True)

# Paddle 写法
y = x.to(x2.dtype, blocking=False)