pytorch：将 FloatTensors 元组转换为 numpy 数组

Question

我刚得到一个带有 MNIST 数据的 torchvision.datasets 对象

train_dataset= dsets.MNIST(root='./data',train=True,transform=transforms.ToTensor(),download=True)

我想将此元组转换为一组形状为 60000x28x28 和标签为 60000 的 numpy 数组

我知道提供数据的形式，可以直接应用到pytorch神经元中作为训练数据，但我想将这些数据转换成numpy数组。

我做的第一件事是将 (data,labels) 的元组与 zip(*train_dataset) 分开

data,labels = zip(*train_dataset)

labels 很容易转换为 numpy 数组，但是我无法按照我想要的方式将“数据”转换为 numpy 数组。当我尝试将所有数据转换为 numpy.array 之类的

data[:].numpy()

我收到一条错误消息，告诉我“元组”对象没有“numpy”属性。如果我将此 data[:] 转换为 numpy，则仅将第一个维度（60000 个数据）转换为 numpy.array，但其余的仍为张量。

我可以使用循环转换所有数据（实际上我做到了）并且它可以工作，但是它真的很慢。以前有人做过这样的转换吗？

谢谢。

Answer 1

也许这样的东西对你有用：

train_dataset.train_data.numpy()  #contains (60000, 28, 28) numpy array
train_dataset.train_labels.numpy() # contains labels

Answer 2

数据中似乎有两个张量。您需要检查变量数据是否仅包含一个张量，然后命令 tensor.numpy() 应该可以正常工作。