方法一：使用 .tolist() 方法（推荐）
python
import torch
# 创建一个 tensor
tensor = torch.tensor([9.6919, -0.6950, 11.8760, 1.6362, 8.3674, 9.2179])
# 转换为列表
list_result = tensor.tolist()
print(list_result)
print(type(list_result))
# 输出: [9.6919, -0.695, 11.876, 1.6362, 8.3674, 9.2179]
# 输出: <class 'list'>方法二：使用 list() 函数
python
import torch
tensor = torch.tensor([9.6919, -0.6950, 11.8760, 1.6362, 8.3674, 9.2179])
# 转换为列表
list_result = list(tensor)
print(list_result)
print(type(list_result))
# 输出: [9.6919, -0.695, 11.876, 1.6362, 8.3674, 9.2179]
# 输出: <class 'list'>方法三：使用 .numpy() 方法（适用于 CPU tensor）
python
import torch
tensor = torch.tensor([9.6919, -0.6950, 11.8760, 1.6362, 8.3674, 9.2179])
# 先转换为 numpy 数组，再转换为列表
list_result = tensor.numpy().tolist()
print(list_result)
print(type(list_result))处理 GPU Tensor
如果 tensor 在 GPU 上，需要先移动到 CPU：
python
import torch
# 假设 tensor 在 GPU 上
tensor_gpu = torch.tensor([9.6919, -0.6950, 11.8760, 1.6362, 8.3674, 9.2179]).cuda()
# 先移动到 CPU，再转换为列表
list_result = tensor_gpu.cpu().tolist()
print(list_result)处理多维 Tensor
python
import torch
# 二维 tensor
tensor_2d = torch.tensor([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
# 转换为嵌套列表
list_2d = tensor_2d.tolist()
print(list_2d)
# 输出: [[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]]
# 三维 tensor
tensor_3d = torch.tensor([[[1.0, 2.0], [3.0, 4.0]], [[5.0, 6.0], [7.0, 8.0]]])
list_3d = tensor_3d.tolist()
print(list_3d)
# 输出: [[[1.0, 2.0], [3.0, 4.0]], [[5.0, 6.0], [7.0, 8.0]]]完整示例
python
import torch
def tensor_to_list(tensor):
"""
将 PyTorch tensor 转换为 Python 列表
"""
if tensor.is_cuda:
# 如果在 GPU 上，先移动到 CPU
tensor = tensor.cpu()
return tensor.tolist()
# 测试
tensor = torch.tensor([9.6919, -0.6950, 11.8760, 1.6362, 8.3674, 9.2179])
result = tensor_to_list(tensor)
print("原始 tensor:", tensor)
print("转换后的列表:", result)
print("列表类型:", type(result))
print("列表元素类型:", type(result[0]))注意事项
-
.tolist()vslist():.tolist(): 推荐使用，适用于任何维度的 tensor，返回嵌套列表list(): 只适用于一维 tensor，对于多维 tensor 会返回 tensor 列表而不是数值列表
-
数据类型: 转换后的列表元素会保持 tensor 的数据类型（如 float32、float64 等）
-
性能 : 对于大型 tensor，
.tolist()可能比list()稍快 -
梯度 : 如果 tensor 有梯度，
.tolist()会自动处理，只返回数值
推荐做法
始终使用 .tolist() 方法，因为它：
- 适用于任何维度的 tensor
- 自动处理 CPU/GPU 转换（需要先调用
.cpu()） - 代码更清晰易读
- 性能更好
python
# 最佳实践
list_result = tensor.tolist() # 对于 CPU tensor
# 或
list_result = tensor.cpu().tolist() # 对于可能在 GPU 上的 tensor