Biblioteka NumPy domyślnie nie obsługuje akceleracji GPU. Oznacza to, że operacje NumPy są ograniczone przez pamięć i szybkość procesora. Jest to wadą w przypadku analizy danych na dużą skalę i skomplikowanych obliczeń. Jednak tensory PyTorch wykorzystują procesor graficzny do przyspieszenia obliczeń numerycznych. Jest to niezbędne w przypadku aplikacji do głębokiego uczenia się, w których dane są ogromne. Użytkownicy mogą przekonwertować tablicę NumPy na tensor PyTorch, aby skorzystać z tej funkcji i zwiększyć wydajność modeli uczenia maszynowego.
W tym blogu zostaną przedstawione metody przekształcania tablicy NumPy w tensor PyTorch.
Jak przekonwertować/przekształcić tablicę NumPy w tensor PyTorch?
Aby przekonwertować/przekształcić tablicę NumPy w tensor PyTorch, można zastosować dwie metody:
- Metoda 1: Użycie funkcji „torch.from_numpy()”.
- Metoda 2: Użycie funkcji „torch.tensor()”.
Metoda 1: Konwertuj/przekształcaj tablicę NumPy na tensor PyTorch za pomocą funkcji „torch.from_numpy()”
Aby przekształcić tablicę NumPy w tensor PyTorch, użytkownicy mogą skorzystać z funkcji „torch.from_numpy()”. Instrukcje krok po kroku podano poniżej:
Krok 1: Zaimportuj niezbędne biblioteki
Najpierw zaimportuj żądane biblioteki „torch” i „numpy”:
import latarka #importowanie biblioteki latarek
import numpy as np #importowanie biblioteki NumPy
Krok 2: Utwórz tablicę NumPy
Następnie utwórz prostą tablicę NumPy. Na przykład utworzyliśmy następującą tablicę NumPy i zapisaliśmy ją w „ liczba_tablica ' zmienny:
Krok 3: Przekształć tablicę Numpy w tensor PyTorch
Teraz użyj opcji „ latarka.from_numpy() ”, aby przekształcić utworzoną powyżej tablicę NumPy w tensor PyTorch i zapisać ją w zmiennej. Tutaj użyliśmy określenia „ Py_tensor ” do przechowywania przekonwertowanej tablicy NumPy:
Py_tensor = latarka. od_numpy ( liczba_tablica )
Krok 4: Wydruk
Na koniec wydrukuj „ Py_tensor tensor:
Spowodowało to konwersję tablicy NumPy na tensor PyTorch:
Notatka : Jeśli użytkownik użyje funkcji „torch.from_numpy()” do przekształcenia tablicy NumPy w tensor PyTorch, powstały tensor PyTorch zostanie połączony z oryginalną tablicą Numpy i będzie używał tej samej pamięci. Dlatego wszelkie zmiany wprowadzone/zastosowane do tensora będą miały również wpływ na rzeczywistą tablicę. Aby uniknąć takiego zachowania, użyj funkcji „torch.tensor()”.
Metoda 2: Konwertuj/przekształcaj tablicę NumPy na tensor PyTorch za pomocą funkcji „torch.tensor()”
Aby przekształcić tablicę NumPy w tensor PyTorch, użytkownicy mogą skorzystać z funkcji „torch.tensor()”. Instrukcje krok po kroku podano poniżej:
Krok 1: Importuj biblioteki
Najpierw zaimportuj niezbędne „ latarka ' I ' tępy ”biblioteki:
import numpy jak np
Krok 2: Utwórz tablicę NumPy
Następnie utwórz tablicę NumPy. Na przykład utworzyliśmy następującą tablicę NumPy i zapisaliśmy ją w „ liczba_tablica ' zmienny:
Krok 3: Przekształć tablicę NumPy w tensor PyTorch
Następnie przekształć tablicę NumPy w tensor PyTorch za pomocą „ latarka.from_numpy() ” i zapisz ją w zmiennej. Tutaj użyliśmy określenia „ Py_tensor ” do przechowywania przekonwertowanej tablicy NumPy:
Krok 4: Wydruk
Na koniec wydrukuj „Py_tensor” napinacz:
W ten sposób tablica NumPy została przekonwertowana na tensor PyTorch:
Notatka : tutaj możesz uzyskać dostęp do naszego Notatnika Google Colab połączyć .
Sprawnie wyjaśniliśmy metody transformacji tablicy NumPy na tensor PyTorch.
Wniosek
Aby przekonwertować/przekształcić tablicę NumPy w tensor PyTorch, najpierw zaimportuj niezbędne biblioteki. Następnie utwórz prostą tablicę NumPy i zapisz ją w określonej zmiennej. Następnie użyj przycisku „ latarka.from_numpy() ' Lub ' tensor palnika() ”, aby przekształcić tablicę NumPy w tensor PyTorch i wydrukować ją. W tym blogu zilustrowano dwie metody konwersji/przekształcenia tablicy NumPy w tensor PyTorch.