A NumPy könyvtár alapértelmezés szerint nem támogatja a GPU-gyorsítást. Ez azt jelenti, hogy a NumPy műveleteket a memória és a CPU sebessége korlátozza. Hátránya nagy léptékű adatelemzésnél és összetett számításoknál. A PyTorch tenzorok azonban GPU-t használnak a numerikus számítások felgyorsítására. Ez elengedhetetlen a mély tanulási alkalmazásokhoz, ahol az adatok hatalmasak. A felhasználók átalakíthatják a NumPy tömböt PyTorch tenzorrá, hogy kihasználják ezt a funkciót és javítsák a gépi tanulási modellek teljesítményét.
Ez a blog bemutatja a NumPy tömb PyTorch tenzorrá alakításának módszereit.
Hogyan lehet a NumPy tömböt PyTorch Tensorrá konvertálni / átalakítani?
A NumPy tömb PyTorch tenzorrá konvertálásához/átalakításához két módszer használható:
- 1. módszer: A „torch.from_numpy()” függvény használata
- 2. módszer: A „torch.tensor()” függvény használata
1. módszer: Konvertálja/transzformálja a NumPy tömböt PyTorch tenzorra a „torch.from_numpy()” függvény használatával
A NumPy tömb PyTorch tenzorrá alakításához a felhasználók a „torch.from_numpy()” függvényt használhatják. A lépésről lépésre vonatkozó utasítások az alábbiakban találhatók:
1. lépés: Importálja a szükséges könyvtárakat
Először importálja a kívánt „torch” és „numpy” könyvtárakat:
import zseblámpa #fáklyakönyvtár importálása
import numpy as np #importing NumPy library
2. lépés: Készítsen NumPy tömböt
Ezután hozzon létre egy egyszerű NumPy tömböt. Például létrehoztuk a következő NumPy tömböt, és tároltuk egy „ szám_tömb ” változó:
3. lépés: Alakítsa át a Numpy Array-t PyTorch Tensorrá
Most használja a „ torch.from_numpy() ” függvény segítségével a fent létrehozott NumPy tömböt PyTorch tenzorrá alakítja és változóba tárolja. Itt a „ Py_tensor ” változó a konvertált NumPy tömb tárolására:
Py_tensor = fáklya. from_numpy ( szám_tömb )
4. lépés: Nyomtatási kimenet
Végül nyomtassa ki a „ Py_tensor ” tenzor:
Ez a NumPy tömböt PyTorch tenzorrá konvertálta:
jegyzet : Ha a felhasználó a „torch.from_numpy()” függvényt használja a NumPy tömb PyTorch tenzorrá alakításához, az eredményül kapott PyTorch tenzor az eredeti Numpy tömbhöz kapcsolódik, és ugyanazt a memóriát használja. Ezért a tenzoron végrehajtott/alkalmazott változtatások szintén hatással lesznek a tényleges tömbre. Ennek elkerülése érdekében használja a „torch.tensor()” függvényt.
2. módszer: Konvertálja/transzformálja a NumPy tömböt PyTorch Tensorrá a „torch.tensor()” függvény használatával
A NumPy tömb PyTorch tenzorrá alakításához a felhasználók a „torch.tensor()” függvényt használhatják. A lépésről lépésre vonatkozó utasítások az alábbiakban találhatók:
1. lépés: Könyvtárak importálása
Először importálja a szükséges ' fáklya ” és „ zsibbadt ” könyvtárak:
import zsibbadt, mint pl
2. lépés: Készítsen NumPy tömböt
Ezután hozzon létre egy NumPy tömböt. Például létrehoztuk a következő NumPy tömböt, és tároltuk egy „ szám_tömb ” változó:
3. lépés: Alakítsa át a NumPy tömböt PyTorch Tensorrá
Ezután alakítsa át a NumPy tömböt PyTorch tenzorrá a „ torch.from_numpy() ” függvényt, és tárolja egy változóban. Itt a „ Py_tensor ” változó a konvertált NumPy tömb tárolására:
4. lépés: Nyomtatási kimenet
Végül nyomtasd ki 'Py_tensor' tenzor:
Ezzel a NumPy tömb PyTorch tenzorrá alakult:
jegyzet : Google Colab jegyzetfüzetünket ezen a címen érheti el link .
Hatékonyan elmagyaráztuk a NumPy tömb PyTorch tenzorra való átalakításának módszereit.
Következtetés
A NumPy tömb PyTorch tenzorrá konvertálásához/átalakításához először importálja a szükséges könyvtárakat. Ezután hozzon létre egy egyszerű NumPy tömböt, és tárolja azt egy adott változóban. Ezt követően használja a „ torch.from_numpy() ” vagy „ torch.tensor() ” függvény segítségével a NumPy tömböt PyTorch tenzorrá alakítja és kinyomtatja. Ez a blog két módszert mutat be a NumPy tömb PyTorch tenzorrá konvertálására/átalakítására.