### 解决 PyTorch 中 `torch.from_numpy` 类型不匹配问题：将 dtype 从 double 转为 float 的方法 在使用 `torch.from_numpy` 时，如果需要将 NumPy 数组的默认数据类型（通常是 `float64`）转换为 PyTorch 张量中的 `float32`，可以通过以下方法实现[^1]。 #### 方法一：使用 `.float()` 方法进行类型转换 在将 NumPy 数组转换为 PyTorch 张量后，可以直接调用 `.float()` 方法将其数据类型转换为 `float32`。 ```python import numpy as np import torch # 创建一个 NumPy 数组，默认类型为 float64 arr = np.random.randn(2, 2) # 使用 torch.from_numpy 将其转换为 PyTorch 张量 tensor_double = torch.from_numpy(arr) # 默认类型为 torch.float64 # 将张量的数据类型转换为 torch.float32 tensor_float = tensor_double.float() # 转换为 float32 print(tensor_double.dtype, tensor_float.dtype) # >>> torch.float64 torch.float32 ``` #### 方法二：在 NumPy 层面提前转换数据类型 在将 NumPy 数组传递给 `torch.from_numpy` 之前，可以先将其数据类型转换为 `float32`。这样可以避免后续的类型转换操作。 ```python import numpy as np import torch # 创建一个 NumPy 数组，并提前将其类型转换为 float32 arr = np.random.randn(2, 2).astype(np.float32) # 使用 torch.from_numpy 将其转换为 PyTorch 张量 tensor_float = torch.from_numpy(arr) # 数据类型为 torch.float32 print(tensor_float.dtype) # >>> torch.float32 ``` #### 方法三：直接创建指定类型的 PyTorch 张量 如果不需要依赖 `torch.from_numpy`，可以直接通过 `torch.tensor` 创建指定类型的张量。这种方式适用于需要完全控制数据类型的场景。 ```python import numpy as np import torch # 创建一个 NumPy 数组 arr = np.random.randn(2, 2) # 使用 torch.tensor 并指定数据类型为 float32 tensor_float = torch.tensor(arr, dtype=torch.float32) print(tensor_float.dtype) # >>> torch.float32 ``` --- ### 注意事项 - 如果在 GPU 上运行模型，确保所有张量和模型参数的数据类型一致。例如，如果模型参数为 `float32`，则输入张量也应为 `float32`[^2]。 - 在多线程环境中使用 `torch.from_numpy` 时需谨慎，因为 NumPy 数组和 PyTorch 张量共享同一块内存，修改其中一方会影响另一方[^4]。 --- ###