Torch的Tensor与numpy的array会共享储存空间，修改一个也会导致另外一个被修改

一、torch tensor --> numpy array

用tensor对象的.numpy()方法

a = torch.ones(5)  # tensor([1., 1., 1., 1., 1.])
b = a.numpy()  # array([1., 1., 1., 1., 1.], dtype=float32)
 
a.add_(1)
 
print(a)  # tensor([2., 2., 2., 2., 2.])
print(b)  # array([2., 2., 2., 2., 2.], dtype=float32)

二、 numpy array --> torch tensor

用torch.from_numpy()函数

a = np.ones(5)  # array([1., 1., 1., 1., 1.])
b = torch.from_numpy(a)  # tensor([1., 1., 1., 1., 1.], dtype=torch.float64)
np.add(a,1,out=a)
 
print(a)  # array([2., 2., 2., 2., 2.])
print(b)  # tensor([2., 2., 2., 2., 2.], dtype=torch.float64)

三、list --> numpy array

不共享内存

ndarray = np.array(list)

四、numpy array --> list

不共享内存

list = ndarray.tolist()

 五、list --> torch tensor

不共享内存

tensor=torch.Tensor(list)

六、torch tensor --> list

先转numpy array，再转list

list = tensor.numpy().tolist()

参考：

Torch的Tensor与numpy的array数据相互转换_负壹的博客-CSDN博客_array tensor torch

机器学习笔记之list, numpy.array, torch.Tensor 格式相互转化 - 时光飞逝，逝者如斯 - 博客园 (cnblogs.com)