场景描述： 通过张量操作将一个float类型地张量转换成int32类型的张量，实际存储在内存中的比特不变。
首先要知道float在内存中的储存方法：IEEE-754格式标准，可以参考这篇博客：float数据在内存中的存储方法 比如，17.625在内存中是0 10000011 00011010000000000000000，十六进制是0x41 8D 00 00，如果当成整数来解读就是1099759616
如果是单个数字，可以用from_buffer实现：
int_value = ctypes.c_uint.from_buffer(ctypes.c_float(float_value)).value但是如果是一个张量的话，一个一个去转换就太慢了，于是我进行搜索，找到了以下方法：
① frombuffer
属于是上面的from_buffer方法的张量版本，可以看官方文档，但是直接调用会报错：
>>> a = torch.tensor(17.625)
>>> b = torch.frombuffer(a,dtype=torch.int32)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ValueError: object does not implement Python buffer protocol.因为tensor没有实现buffer接口，所以又去搜索，然后看到issue#19143提供的一个思路，将tensor转为numpy数组，就可以了，关于这个方法也可以参考官方文档，返回的ndarray和tensor共享同一块内存，对任意一个变量修改都会影响到对方。
>>> b = torch.frombuffer(a.numpy(),dtype=torch.int32)
>>> b
tensor([1099759616], dtype=torch.int32)但是numpy没办法放在GPU上面。
② view
之前一直以为view只能改变张量的形状，没想到还有这个作用，view的官方文档。其实view的原理就是在同一块内存将tensor以不同的view展现出来，不存在内存拷贝行为。所以修改的时候一定要注意，base tensor也会被修改！！！，不过调用tensor.size返回的是不一样的。
命令行里面运行如下：
>>> a = torch.tensor(17.625)
>>> a
tensor(17.6250)
>>> b = a.view(torch.int32)
>>> b
tensor(1099759616, dtype=torch.int32)如果报错TypeError: view() got an unexpected keyword argument 'dtype'那应该是pytorch版本不够，我的是1.11.0，之前用1.6.0的时候就不行。
③ memoryview
memoryview算是view的高级版，在我需要的场景中view就可以了，但是memoryview提供了更高级的功能。
Python本身支持memoryview，python官网给出了文档介绍，但是可能会有点抽象，这篇文章就写的非常的简单易懂：Python memoryview()。其实，我的理解就是，返回一个对象的内存形式（memory view这个名字也是很形象的），让我们可以直接操作这个对象所在的内存，而不是它的拷贝，也可以通过buffer protocol进行高效的byte move，所以还是很有用的。
pytorch也在尝试支持memoryview，但是好像目前这个issue#69491还没有被closed，所以应该还不能用。其实issue#69491就是基于issue#19143提出的需求而被提出的，包括issue#66382也是同样的问题，希望pytorch的开发人员搞快点吧，都从19年拖到22年了。
