转载请注明出处：小锋学长生活大爆炸[xfxuezhagn.cn] 如果本文帮助到了你，欢迎[点赞、收藏、关注]哦~
目录
类型概括
代码中查看范围
默认数据类型
对数据类型有个大致的了解还是很必要的，不然可能会遇到莫名的错误，比如出现负数、报错等，但不知道原因。
类型概括
torch.Tensor — PyTorch 2.4 documentation
数据类型 | 代码中的dtype表示 | 数据范围（仅供参考，可能有错，还是得按照后面的代码结果为准） |
|---|---|---|
32 位浮点数 | torch.float32 or torch.float | [−3.4e38,3.4e38] |
64 位浮点数 | torch.float64 or torch.double | [−1.8e308,1.8e308] |
16 位浮点数 1 | torch.float16 or torch.half | [−6.5e4,6.5e4] |
16 位浮点数 2 | torch.bfloat16 | [−3.4e38,3.4e38] |
32 位复数 | torch.complex32 or torch.chalf | 16 位浮点实部和虚部组成 |
64 位复数 | torch.complex64 or torch.cfloat | 32 位浮点实部和虚部组成 |
128 位复数 | torch.complex128 or torch.cdouble | 64 位浮点实部和虚部组成 |
8 位整数（无符号） | torch.uint8 | 0,255 |
16 位整数（无符号）4 （受限支持） | torch.uint16 | 0,65535 |
32 位整数（无符号）4 （受限支持） | torch.uint32 | 0,4294967295 |
64 位整数（无符号）4 （受限支持） | torch.uint64 | 0,18446744073709551615 |
8 位整数（有符号） | torch.int8 | −128,127 |
16 位整数（有符号） | torch.int16 or torch.short | −32768,32767 |
32 位整数（有符号） | torch.int32 or torch.int | −2147483648,2147483647 |
64 位整数（有符号） | torch.int64 or torch.long | −9.2e18,9.2e18 |
布尔值 | torch.bool | {False, True} |
量化 8 位整数（无符号） | torch.quint8 | 0,255 |
量化 8 位整数（有符号） | torch.qint8 | −128,127 |
量化 32 位整数（有符号） | torch.qint32 | −2147483648,2147483647 |
量化 4 位整数（无符号）3 | torch.quint4x2 | 在 1 字节中编码 2 个 4 位值 |
8 位浮点数, e4m3 5 （受限支持） | torch.float8_e4m3fn | 依赖于具体实现 |
8 位浮点数t, e5m2 5 （受限支持） | torch.float8_e5m2 | 依赖于具体实现 |
- 1：有时也称为 binary16：使用 1 个符号位、5 个指数位和 10 个符号位。当精度很重要而牺牲范围时很有用。
- 2：有时也称为Brain Floating Point：使用 1 个符号、8 个指数位和 7 个符号位。由于它的指数位数与 float32 相同，因此在范围很重要的情况下非常有用。
- 3：量化后的 4 位整数存储为 8 位带符号整数。目前只有 EmbeddingBag 运算符支持。
- 4(1,2,3)：除 uint8 之外的无符号类型目前计划只在急切模式下提供有限的支持（它们的存在主要是为了协助使用 torch.compile）；如果您需要急切支持且不需要额外的范围，我们建议您使用它们的有符号变体。更多详情，请参见 https://github.com/pytorch/pytorch/issues/58734。
- 5(1,2)：torch.float8_e4m3fn 和 torch.float8_e5m2 实现了 https://arxiv.org/abs/2209.05433 中的 8 位浮点类型规范。对运算符的支持非常有限。
代码中查看范围
代码语言：javascript复制import torch
int16_info = torch.iinfo(torch.int16)
print("int16的最小值:", int16_info.min)
print("int16的最大值:", int16_info.max)
float16_info = torch.finfo(torch.float16)
print("float16的最小值:", float16_info.min)
print("float16的最大值:", float16_info.max)
默认数据类型
当创建一个 torch.tensor 而不指定数据类型（dtype）时，默认的数据类型会跟你给的张量来确定。
这意味着，如果你直接创建一个浮点数张量而不指定 dtype，它会自动成为 float32 类型。
对于整数类型，如果你创建一个整数张量且不指定 dtype，它会默认为 torch.int64。
import torch
# 创建一个浮点数张量，默认dtype为 torch.float32
float_tensor = torch.tensor([1.0, 2.0, 3.0])
print(float_tensor.dtype) # 输出：torch.float32
# 创建一个整数张量，默认dtype为 torch.int64
int_tensor = torch.tensor([1, 2, 3])
print(int_tensor.dtype) # 输出：torch.int64
