Deep-Learning-with-PyTorch-3.5.2

3.5.2 适合各种场合的dtype

正如我们将在以后的章节中看到的那样，神经网络中发生的计算通常以32位浮点精度执行。 更高的精度（例如64位）将无法改善模型的准确性，并且需要更多的内存和计算时间。 16位浮点半精度数据类型不是标准CPU本身提供的，而是在现代GPU中提供的。 如果需要，可以切换到半精度以减少神经网络模型的占用空间，而对精度的影响很小。

张量可以用作其他张量的索引。 在这种情况下，PyTorch期望索引张量具有64位整数数据类型。 创建一个以整数为参数的张量，例如使用torch.tensor（[2，2]），默认情况下将创建一个64位整数张量。 因此，我们将大部分时间用于处理float32和int64。

最后，关于张量的谓词（例如，> 1.0的点）会产生布尔张量，表明每个单独的元素是否满足条件。 简而言之，这些是数字类型。