numpy - Pytorch 张量到 numpy 的转换不精确

Question

我正在使用 pytorch 构建一个输出概率分布的网络模型，在获得预测后，我想将它们转换为一个 numpy 数组以进行进一步处理，尽管这样做时，转换后的数组并不精确，即值不同从原始（见下面的例子）。这在我的情况下特别糟糕，因为考虑到不精确性，行的总和不再正好为 1，这导致我在代码中进一步出现问题，关于为什么会发生这种情况的任何想法？任何帮助将非常感激。

>> predictions
Out[34]: 
tensor([[0.0155, 0.0260, 0.2671, 0.6820, 0.0093],
        [0.1231, 0.1076, 0.1660, 0.5376, 0.0658],
        [0.0734, 0.0501, 0.1683, 0.6602, 0.0480],
        ...,
        [0.0260, 0.0287, 0.0465, 0.8830, 0.0159],
        [0.0251, 0.0327, 0.3148, 0.5643, 0.0632],
        [0.0105, 0.0116, 0.2723, 0.6702, 0.0354]], device='cuda:0',
       grad_fn=<CopySlices>)

>> predictions.cpu().detach().numpy()
Out[33]: 
array([[0.01549727, 0.02597333, 0.26714763, 0.68203545, 0.00934631],
       [0.12310678, 0.10758312, 0.16596784, 0.53758585, 0.06575638],
       [0.07338995, 0.05007047, 0.16834012, 0.6601813 , 0.04801816],
       ...,
       [0.02603309, 0.02868567, 0.046453  , 0.8829591 , 0.01586908],
       [0.02508399, 0.03266559, 0.31480333, 0.564255  , 0.06319207],
       [0.01048695, 0.01161059, 0.2722554 , 0.6702131 , 0.03543395]],
      dtype=float32)

标签： numpypytorch