### 如何将 NumPy 数组或列表转换为 PyTorch 或 TensorFlow 张量 #### 转换到 PyTorch 张量 在 Python 中，可以通过 `torch.from_numpy()` 方法将 NumPy 数组轻松转换为 PyTorch 张量。此方法会共享内存空间，因此对原始 NumPy 数组的修改也会反映到对应的 PyTorch 张量上[^1]。 以下是具体实现方式： ```python import numpy as np import torch # 创建一个 NumPy 数组 np_array = np.array([1, 2, 3, 4, 5]) # 使用 torch.from_numpy() 将其转换为 PyTorch 张量 torch_tensor = torch.from_numpy(np_array) print("NumPy Array:", np_array) print("PyTorch Tensor:", torch_tensor) ``` 如果输入的是普通的 Python 列表，则可以直接通过 `torch.tensor()` 来创建一个新的张量对象，而无需依赖于 NumPy 的中间表示形式。 ```python # 定义一个 Python 列表 py_list = [6, 7, 8, 9, 10] # 使用 torch.tensor() 将其转换为 PyTorch 张量 torch_tensor_from_list = torch.tensor(py_list) print("Python List:", py_list) print("PyTorch Tensor from list:", torch_tensor_from_list) ``` --- #### 转换到 TensorFlow 张量 对于 TensorFlow，可以利用 `tf.convert_to_tensor` 函数来完成类似的转换操作。无论是 NumPy 数组还是标准的 Python 列表都可以作为该函数的有效参数[^2]。 下面展示了一个简单的例子： ```python import tensorflow as tf import numpy as np # 基于 NumPy 数组构建 TensorFlow 张量 np_array_tf = np.array([11, 12, 13, 14, 15]) tensorflow_tensor_np = tf.convert_to_tensor(np_array_tf) print("NumPy Array (for TF):", np_array_tf) print("TensorFlow Tensor from NumPy array:", tensorflow_tensor_np) # 直接由 Python 列表生成 TensorFlow 张量 py_list_tf = [16, 17, 18, 19, 20] tensorflow_tensor_pylist = tf.convert_to_tensor(py_list_tf) print("Python List (for TF):", py_list_tf) print("TensorFlow Tensor from Python list:", tensorflow_tensor_pylist) ``` 需要注意的一点是，在某些情况下可能还需要指定目标数据类型或者设备（CPU/GPU），这取决于具体的使用场景需求。 --- ### 总结 - **PyTorch**: 可以分别采用 `torch.from_numpy()` 对已有的 NumPy 数据结构进行快速映射；也可以借助 `torch.tensor()` 处理纯 Python 表达式的集合。 - **TensorFlow**: 推荐运用通用接口 `tf.convert_to_tensor` 实现从多种源类型的无缝迁移。