NumPy biblioteka pagal numatytuosius nustatymus nepalaiko GPU spartinimo. Tai reiškia, kad NumPy operacijas riboja atmintis ir procesoriaus greitis. Tai yra didelės apimties duomenų analizės ir sudėtingų skaičiavimų trūkumas. Tačiau PyTorch tenzoriai naudoja GPU, kad pagreitintų skaitinius skaičiavimus. Tai būtina gilaus mokymosi programoms, kuriose duomenų yra didžiulis. Vartotojai gali konvertuoti „NumPy“ masyvą į „PyTorch“ tenzorį, kad pasinaudotų šia funkcija ir pagerintų mašininio mokymosi modelių našumą.
Šiame tinklaraštyje bus parodyta, kaip NumPy masyvą paversti PyTorch tenzoriumi.
Kaip konvertuoti / paversti „NumPy“ masyvu į „PyTorch Tensor“?
Norint konvertuoti / transformuoti NumPy masyvą į PyTorch tenzorių, galima naudoti du metodus:
- 1 būdas: funkcijos „torch.from_numpy()“ naudojimas
- 2 būdas: „torch.tensor()“ funkcijos naudojimas
1 būdas: Konvertuokite / transformuokite NumPy masyvą į PyTorch Tensor naudodami funkciją „torch.from_numpy()“
Norėdami pakeisti NumPy masyvą į PyTorch tensorį, vartotojai gali naudoti funkciją 'torch.from_numpy()'. Žingsnis po žingsnio instrukcijos pateikiamos žemiau:
1 veiksmas: importuokite būtinas bibliotekas
Pirmiausia importuokite norimas „torch“ ir „numpy“ bibliotekas:
importuoti žibintuvėlis #importuojama žibintuvėlių biblioteka
importuoti numpy as np #importing NumPy biblioteka
2 veiksmas: sukurkite „NumPy“ masyvą
Tada sukurkite paprastą NumPy masyvą. Pavyzdžiui, sukūrėme šį „NumPy“ masyvą ir išsaugojome jį „ skaičius_masyvas “ kintamasis:
3 veiksmas: paverskite Numpy Array į PyTorch Tensor
Dabar naudokite „ torch.from_numpy() “ funkcija, kad aukščiau sukurtą „NumPy“ masyvą paverstų „PyTorch“ tenzoriumi ir išsaugotų jį kintamuoju. Čia mes panaudojome „ Py_tensor “ kintamasis, skirtas išsaugoti konvertuotą NumPy masyvą:
Py_tensor = deglas. from_numpy ( skaičius_masyvas )
4 veiksmas: spausdinimo išvestis
Galiausiai atspausdinkite „ Py_tensor “ tenzorius:
Tai konvertavo „NumPy“ masyvą į „PyTorch“ tenzorių:
Pastaba : Jei vartotojas naudoja funkciją „torch.from_numpy()“, kad pakeistų „NumPy“ masyvą į „PyTorch“ tenzorį, gautas „PyTorch“ tenzorius bus susietas su pradiniu „Numpy“ masyvu ir naudos tą pačią atmintį. Todėl bet kokie tenzoriui atlikti / pritaikyti pakeitimai taip pat turės įtakos tikram masyvai. Norėdami išvengti tokio elgesio, naudokite funkciją „torch.tensor()“.
2 būdas: konvertuoti / transformuoti NumPy masyvą į PyTorch Tensor naudojant funkciją „torch.tensor()“
Norėdami pakeisti NumPy masyvą į PyTorch tenzorį, vartotojai gali naudoti funkciją 'torch.tensor()'. Žingsnis po žingsnio instrukcijos pateikiamos žemiau:
1 veiksmas: importuokite bibliotekas
Pirmiausia importuokite reikiamą deglas “ ir „ nelygus “ bibliotekos:
importuoti niūrus kaip np
2 veiksmas: sukurkite „NumPy“ masyvą
Po to sukurkite NumPy masyvą. Pavyzdžiui, sukūrėme šį „NumPy“ masyvą ir išsaugojome jį „ skaičius_masyvas “ kintamasis:
3 veiksmas: paverskite NumPy masyvą į PyTorch Tensor
Tada pakeiskite „NumPy“ masyvą į „PyTorch“ tenzorių naudodami „ torch.from_numpy() “ ir išsaugokite jį kintamajame. Čia mes panaudojome „ Py_tensor “ kintamasis, skirtas išsaugoti konvertuotą NumPy masyvą:
4 veiksmas: spausdinimo išvestis
Galiausiai atsispausdinkite „Py_tensor“ tenzorius:
Tokiu būdu NumPy masyvas buvo konvertuotas į PyTorch tenzorį:
Pastaba : „Google Colab“ bloknotą galite pasiekti šiuo adresu nuoroda .
Mes efektyviai paaiškinome NumPy masyvo transformavimo į PyTorch tenzorių metodus.
Išvada
Norėdami konvertuoti / transformuoti NumPy masyvą į PyTorch tenzorį, pirmiausia importuokite reikiamas bibliotekas. Tada sukurkite paprastą NumPy masyvą ir išsaugokite jį tam tikrame kintamajame. Po to naudokite „ torch.from_numpy() “ arba „ torch.tensor() “ funkcija, kad „NumPy“ masyvą paverstų „PyTorch“ tenzoriumi ir išspausdintų. Šis tinklaraštis iliustruoja du būdus, kaip konvertuoti / transformuoti NumPy masyvą į PyTorch tenzorį.