【PyTorch入門】テンソルのデータ型（dtype）を取得する方法をわかりやすく解説

PyTorchのテンソルは同種型（homogeneous）です。つまり、1つのテンソルに含まれるすべての要素は、必ず同じデータ型を持ちます。テンソルのデータ型を確認したい場合は、テンソルが持つ .dtype 属性にアクセスするだけでOKです。この属性は、そのテンソルのデータ型を返します。

データ型を取得する手順

• 必要なライブラリをインポートします。以下のPythonサンプルではすべて torch ライブラリを使用します。事前にインストール済みであることを確認してください。

• テンソルを作成し、内容を出力して確認します。

• T.dtype を計算します。ここで T は、データ型を取得したい対象のテンソルです。

• 取得したテンソルのデータ型を出力します。

例1：ランダムな数値のテンソルでデータ型を確認

次のPythonプログラムは、テンソルのデータ型を取得する基本的な方法を示しています。

# ライブラリをインポート
import torch

# サイズ3x4のランダムな数値からなるテンソルを作成
T = torch.randn(3,4)
print("Original Tensor T:\n", T)

# 上記テンソルのデータ型を取得
data_type = T.dtype

# テンソルのデータ型を出力
print("Data type of tensor T:\n", data_type)

出力結果

Original Tensor T:
tensor([[ 2.1768, -0.1328, 0.8155, -0.7967],
        [ 0.1194, 1.0465, 0.0779, 0.9103],
        [-0.1809, 1.8085, 0.8393, -0.2463]])
Data type of tensor T:
torch.float32

torch.randn() で生成したテンソルのデフォルトのデータ型は torch.float32（32ビット浮動小数点数）であることがわかります。これはPyTorchにおける最も一般的なデータ型で、深層学習のモデルパラメータや計算にも標準的に使われています。

例2：リストから作成したテンソルでデータ型を確認

# テンソルのデータ型を取得するPythonプログラム
# ライブラリをインポート
import torch

# リストからサイズ4のテンソルを作成
T = torch.Tensor([1,2,3,4])
print("Original Tensor T:\n", T)

# 上記テンソルのデータ型を取得
data_type = T.dtype

# テンソルのデータ型を出力
print("Data type of tensor T:\n", data_type)

出力結果

Original Tensor T:
    tensor([1., 2., 3., 4.])
Data type of tensor T:
    torch.float32

整数値のリストから torch.Tensor() を使ってテンソルを作成した場合でも、出力を見ると各要素が「1., 2., 3., 4.」のように小数点付きで表示され、データ型は torch.float32 になっています。torch.Tensor クラスはデフォルトで float32 型のテンソルを生成するためです。

補足：主なdtypeの一覧

PyTorchでよく使われる主なデータ型は以下のとおりです。

• torch.float32（float）：32ビット浮動小数点数。デフォルトのデータ型。

• torch.float64（double）：64ビット浮動小数点数。高精度計算向け。

• torch.int64（long）：64ビット整数。インデックス指定などに使用。

• torch.int32 / torch.int16 / torch.int8：各ビット幅の整数型。

• torch.bool：真偽値型。マスキング処理などに使用。

なお、作成時にデータ型を明示的に指定したい場合は、torch.tensor([1, 2, 3], dtype=torch.float64) のように dtype 引数を使うか、生成後のテンソルに対して T.to(torch.float64) や T.double() などのメソッドで変換することも可能です。