
原帖想把 3×3 Tensor 用 {:.10f} 当成一个 Python 数值格式化：

```text
TypeError: unsupported format string passed to torch.FloatTensor.__format__
```

## 打印位数不能补出原本没有的精度

原题 FloatTensor(3,3) 分配未初始化数据，又希望显示更多小数。先给张量明确数值，再选择整表打印或单值格式。未初始化内存里的极小值与极大值不能被当作某次计算结果来解释。

一个格式串不能直接把多元素张量当成单个浮点数。还需区分“显示更多位”与“提高已存数据的精度”。

下面用有定义数值的张量检查类型与尺寸：

```python
import torch
a = torch.tensor([[0.1, 1.0 / 3], [2.5, -0.25]], dtype=torch.float32)
print("josh050608")
print("tensor:", a.shape, a.dtype, "elements:", a.numel())
torch.set_printoptions(precision=10, sci_mode=False)
print(a)
print(f"single value: {a[0, 0].item():.10f}")
```

整张量使用 `torch.set_printoptions` 调整展示；一个已确认单元素的张量用 `.item()` 取 Python 数值后再格式化。若需按行输出固定格式，可遍历 `a.detach().cpu().tolist()` 中的数值。

原帖 `torch.FloatTensor(3,3)` 创建的是未初始化存储，其中显示的极小值或极大值并不是有效计算结果。需要全零时用 `torch.zeros(3,3)`；需要自己的数据时用明确的 tensor 构造。不要通过提高打印位数解读未初始化内存。

float32 本身精度有限，打印十位小数不会增加真实精度。如果计算确实需要 float64，应在数据与运算开始前选择它，并同步调整模型；把已损失精度的结果最后转 double 不能恢复信息。

验证所打印的是正确元素，且展示格式符合用途。单值 `.item()` 适合日志，不参与可微训练路径。

## 固定格式输出与 dtype 的完整对照

下面使用有定义的数值，按行输出固定十位小数，并比较从起点采用 float64 与事后升精度的区别：

```python
import torch
matrix = torch.tensor([[0.1, 1.0/3], [2.5, -0.25]], dtype=torch.float32)
for row in matrix.detach().cpu().tolist():
    print(" ".join(f"{value:.10f}" for value in row))
stored32 = torch.tensor(0.1, dtype=torch.float32)
promoted = stored32.double()
created64 = torch.tensor(0.1, dtype=torch.float64)
assert promoted.item() == stored32.item()
assert promoted.item() != created64.item()
print("promoted/created64:", f"{promoted.item():.17g}", f"{created64.item():.17g}")
```

这些断言比较的是指定构造下的存储数值，不是在宣称 float64 对所有任务都更合适。真正需要双精度计算时，从数据读入和模型参数开始统一 dtype；最后给结果 `.double()` 只换容器精度，不恢复之前舍入的信息。

整 Tensor 调整 printoptions，单元素用 item 后格式化；多元素日志可像例子按行转换。GPU 上逐元素 item 会频繁同步，较大日志可先一次搬到 CPU，再在主机格式化，避免调试输出拖慢训练。

验证显示格式后，若只是临时调试，恢复项目预期的打印选项。不要通过设置更多小数位判断数值计算已经更准确，也不要把未初始化 Tensor 的内容写成可重复示例输出。

参考：[原始求助帖](https://stackoverflow.com/questions/47483733/print-exact-value-of-pytorch-tensor-floating-point-precision)；技术依据：[torch.set_printoptions（2.5）](https://docs.pytorch.org/docs/2.5/generated/torch.set_printoptions.html)、[Tensor.item（2.5）](https://docs.pytorch.org/docs/2.5/generated/torch.Tensor.item.html)、[torch.from_numpy（2.5）](https://docs.pytorch.org/docs/2.5/generated/torch.from_numpy.html)、[torch.empty（2.5）](https://docs.pytorch.org/docs/2.5/generated/torch.empty.html)。


原帖想把 3×3 Tensor 用 {:.10f} 当成一个 Python 数值格式化：

unsupported format string passed to torch.FloatTensor.__format__：整张量设打印精度，单值用 item

编程语言

人工智能

开发工具

PyTorch张量格式化需注意：未初始化Tensor无法用{:.10f}直接格式化，需先用明确数值构造。使用torch.set_printoptions调整整表显示，单元素用.item()后格式化，多元素遍历tolist()处理。float32精度有限，事后转double不能恢复已损失精度，需在数据创建时统一dtype。

代码解释

容器

Python

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

PyTorch张量格式化需注意：未初始化Tensor无法用{:.10f}直接格式化，需先用明确数值构造。使用torch.set_printoptions调整整表显示，单元素用.item()后格式化，多元素遍历tolist()处理。float32精度有限，事后转double不能恢复已损失精度，需在数据创建时统一dtype...

unsupported format string passed to torch.FloatTensor.__format__：整张量设打印精度，单值用 item-腾讯云开发者社区-腾讯云

unsupported format string passed to torch.FloatTensor.format：整张量设打印精度，单值用 item

unsupported format string passed to torch.FloatTensor.format：整张量设打印精度，单值用 item

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐