前端基础知识手机卡顿优化软件

1、.cpu() 方法：
        使用 .cpu() 方法可以将张量从 GPU 移动到 CPU。这是一种简便的方法，常用于在进行 CPU 上的操作之前将数据从 GPU 取回

import torch# 在 GPU 上创建一个张量
gpu_tensor = torch.tensor([1, 2, 3], device='cuda')# 将 GPU 上的张量移动到 CPU
cpu_tensor = gpu_tensor.cpu()# 打印输出
print("GPU Tensor:", gpu_tensor)
print("CPU Tensor:", cpu_tensor)

GPU Tensor: tensor([1，2，3]，device='cuda:')
CPU Array: tensor([1，2，3])

2、.to('cpu') 方法：
        使用 .to('cpu') 方法也可以将张量移动到 CPU。这是一个通用的设备转移方法，可以指定目标设备和其他参数。

import torch# 在 GPU 上创建一个张量
gpu_tensor = torch.tensor([1, 2, 3], device='cuda')# 将 GPU 上的张量移动到 CPU
cpu_tensor = gpu_tensor.to('cpu')# 打印输出
print("GPU Tensor:", gpu_tensor)
print("CPU Tensor:", cpu_tensor)

GPU Tensor: tensor([1，2，3]，device='cuda:')
CPU Array: tensor([1，2，3])

3、.numpy() 方法：
        使用 .numpy() 方法将 GPU 上的张量转换为 NumPy 数组。这个方法实际上是先将张量移动到 CPU，然后转换为 NumPy 数组。

import torch# 在 GPU 上创建一个张量
gpu_tensor = torch.tensor([1, 2, 3], device='cuda')# 将 GPU 上的张量移动到 CPU，并转换为 NumPy 数组
cpu_array = gpu_tensor.cpu().numpy()# 打印输出
print("GPU Tensor:", gpu_tensor)
print("CPU Array:", cpu_array)

GPU Tensor: tensor([1，2，3]，device='cuda:')
CPU Array: array([1，2，3])

4、.tolist() 方法：
        使用 .tolist() 方法将张量转换为 Python 列表。

import torch# 在 GPU 上创建一个张量
gpu_tensor = torch.tensor([1, 2, 3], device='cuda')# 将张量转换为 Python 列表
python_list = gpu_tensor.tolist()# 打印输出
print("GPU Tensor:",gpu_tensor)
print("\nPython_list:",python_list)

GPU Tensor: tensor([1，2，3]，device='cuda:')
Python_list: [1，2，3]

5、.item() 方法：
        如果张量只包含一个元素，可以使用 .item() 方法直接获取该元素的 Python 数值。

import torch# 在 GPU 上创建一个张量
gpu_tensor = torch.tensor(3, device='cuda')# 获取张量的数值
value = gpu_tensor.item()# 打印输出
print("GPU Tensor:", gpu_tensor)
print("Value:", value)

GPU Tensor: tensor(3，device='cuda:')
Value: 3