Библиотека NumPy по умолчанию не поддерживает ускорение графического процессора. Это означает, что операции NumPy ограничены объемом памяти и скоростью процессора. Это недостаток для крупномасштабного анализа данных и сложных расчетов. Однако тензоры PyTorch используют графический процессор для ускорения числовых вычислений. Это важно для приложений глубокого обучения, где данные огромны. Пользователи могут преобразовать массив NumPy в тензор PyTorch, чтобы воспользоваться этой функцией и повысить производительность моделей машинного обучения.
В этом блоге будут показаны методы преобразования массива NumPy в тензор PyTorch.
Как преобразовать/преобразовать массив NumPy в тензор PyTorch?
Чтобы преобразовать/преобразовать массив NumPy в тензор PyTorch, можно использовать два метода:
- Способ 1: использование функции «torch.from_numpy()»
- Способ 2: использование функции «torch.tensor()»
Метод 1. Преобразование/преобразование массива NumPy в тензор PyTorch с использованием функции torch.from_numpy().
Чтобы преобразовать массив NumPy в тензор PyTorch, пользователи могут использовать функцию torch.from_numpy(). Пошаговые инструкции приведены ниже:
Шаг 1. Импортируйте необходимые библиотеки
Сначала импортируйте нужные библиотеки «torch» и «numpy»:
Импортировать torch #импорт библиотеки факелов
Импортировать numpy as np #импорт библиотеки NumPy
Шаг 2. Создайте массив NumPy
Затем создайте простой массив NumPy. Например, мы создали следующий массив NumPy и сохранили его в файле « num_array ' переменная:
Шаг 3. Преобразование массива Numpy в тензор PyTorch
Теперь используйте « факел.from_numpy() » для преобразования созданного выше массива NumPy в тензор PyTorch и сохранения его в переменной. Здесь мы использовали « Py_tensor ” переменная для хранения преобразованного массива NumPy:
Py_tensor '=' факел. from_numpy ( num_array )
Шаг 4: вывод на печать
Наконец, напечатайте « Py_tensor тензор:
Это преобразует массив NumPy в тензор PyTorch:
Примечание : Если пользователь использует функцию «torch.from_numpy()» для преобразования массива NumPy в тензор PyTorch, результирующий тензор PyTorch будет связан с исходным массивом Numpy и будет использовать ту же память. Следовательно, любые изменения, внесенные/примененные к тензору, также будут влиять на фактический массив. Чтобы избежать такого поведения, используйте функцию «torch.tensor()».
Метод 2. Преобразование/преобразование массива NumPy в тензор PyTorch с использованием функции «torch.tensor()».
Чтобы преобразовать массив NumPy в тензор PyTorch, пользователи могут использовать функцию torch.tensor(). Пошаговые инструкции приведены ниже:
Шаг 1. Импортируйте библиотеки
Сначала импортируйте необходимое « факел ' и ' бестолковый » библиотеки:
Импортировать число как np
Шаг 2. Создайте массив NumPy
После этого создайте массив NumPy. Например, мы создали следующий массив NumPy и сохранили его в файле « num_array ' переменная:
Шаг 3. Преобразование массива NumPy в тензор PyTorch
Затем преобразуйте массив NumPy в тензор PyTorch с помощью « факел.from_numpy() » и сохраните ее в переменной. Здесь мы использовали « Py_tensor ” переменная для хранения преобразованного массива NumPy:
Шаг 4: вывод на печать
Наконец, распечатайте «Пи_тензор» тензор:
При этом массив NumPy был преобразован в тензор PyTorch:
Примечание : Вы можете получить доступ к нашему блокноту Google Colab по этому адресу. связь .
Мы подробно объяснили методы преобразования массива NumPy в тензор PyTorch.
Заключение
Чтобы преобразовать/преобразовать массив NumPy в тензор PyTorch, сначала импортируйте необходимые библиотеки. Затем создайте простой массив NumPy и сохраните его в определенной переменной. После этого используйте « факел.from_numpy() ' или ' факел.тензор() ” для преобразования массива NumPy в тензор PyTorch и его печати. В этом блоге проиллюстрированы два метода преобразования/преобразования массива NumPy в тензор PyTorch.