NumPy-biblioteket støtter ikke GPU-akselerasjon som standard. Dette betyr at NumPy-operasjoner er begrenset av minnet og CPU-hastigheten. Det er en ulempe for storskala dataanalyse og komplekse beregninger. PyTorch-tensorene bruker imidlertid GPU for å øke hastigheten på de numeriske beregningene. Dette er viktig for dyplæringsapplikasjoner der dataene er enorme. Brukere kan konvertere NumPy-arrayen til en PyTorch-tensor for å dra nytte av denne funksjonen og forbedre ytelsen til maskinlæringsmodellene.
Denne bloggen vil illustrere metodene for å transformere NumPy-arrayen til en PyTorch-tensor.
Hvordan konvertere/transformere til NumPy Array til PyTorch Tensor?
For å konvertere/transformere NumPy-arrayen til en PyTorch-tensor, kan to metoder brukes:
- Metode 1: Bruk 'torch.from_numpy()'-funksjonen
- Metode 2: Bruke «torch.tensor()»-funksjonen
Metode 1: Konverter/transformer NumPy Array til PyTorch Tensor ved å bruke «torch.from_numpy()»-funksjonen
For å transformere NumPy-matrisen til PyTorch-tensor, kan brukere bruke 'torch.from_numpy()'-funksjonen. Trinn-for-trinn-instruksjonene er gitt nedenfor:
Trinn 1: Importer nødvendige biblioteker
Importer først de ønskede 'fakkel'- og 'numpy'-bibliotekene:
import fakkel #importing fakkelbibliotek
import numpy as np #importing NumPy-bibliotek
Trinn 2: Lag en NumPy-array
Deretter lager du en enkel NumPy-matrise. For eksempel har vi laget følgende NumPy-array og lagret den i en ' num_array variabel:
Trinn 3: Transform Numpy Array til en PyTorch Tensor
Bruk nå ' torch.from_numpy() ” funksjon for å transformere den ovenfor opprettede NumPy-matrisen til en PyTorch-tensor og lagre den i en variabel. Her har vi brukt ' Py_tensor variabel for å lagre den konverterte NumPy-matrisen:
Py_tensor = lommelykt. from_numpy ( num_array )
Trinn 4: Utskrift
Skriv til slutt ut ' Py_tensor ' tensor:
Dette har konvertert NumPy-arrayen til en PyTorch-tensor:
Merk : Hvis en bruker bruker «torch.from_numpy()»-funksjonen for å transformere NumPy-matrisen til en PyTorch-tensor, vil den resulterende PyTorch-tensoren bli koblet til den originale Numpy-matrisen og bruke samme minne. Derfor vil eventuelle endringer som gjøres/brukes på tensoren også ha innvirkning på den faktiske matrisen. For å unngå denne oppførselen, bruk 'torch.tensor()'-funksjonen.
Metode 2: Konverter/transformer NumPy Array til PyTorch Tensor ved å bruke «torch.tensor()»-funksjonen
For å transformere NumPy-arrayen til en PyTorch-tensor, kan brukere bruke 'torch.tensor()'-funksjonen. Trinn-for-trinn-instruksjonene er gitt nedenfor:
Trinn 1: Importer biblioteker
Først importerer du de nødvendige ' lommelykt ' og ' nusset ' biblioteker:
import nusset som np
Trinn 2: Lag en NumPy-array
Etter det, lag en NumPy-matrise. For eksempel har vi laget følgende NumPy-array og lagret den i en ' num_array variabel:
Trinn 3: Transform NumPy Array til en PyTorch Tensor
Deretter transformerer du NumPy-arrayen til en PyTorch-tensor via ' torch.from_numpy() ”-funksjonen og lagre den i en variabel. Her har vi brukt ' Py_tensor variabel for å lagre den konverterte NumPy-matrisen:
Trinn 4: Utskrift
Til slutt, skriv ut «Py_tensor» tensor:
Ved å gjøre det har NumPy-arrayet blitt konvertert til en PyTorch-tensor:
Merk : Du kan få tilgang til Google Colab Notebook på denne link .
Vi har effektivt forklart metodene for å transformere NumPy-arrayen til en PyTorch-tensor.
Konklusjon
For å konvertere/transformere NumPy-arrayen til en PyTorch-tensor, importer først nødvendige biblioteker. Deretter oppretter du en enkel NumPy-matrise og lagrer den i en bestemt variabel. Etter det bruker du ' torch.from_numpy() ' eller ' torch.tensor() ”-funksjon for å transformere NumPy-arrayen til en PyTorch-tensor og skrive den ut. Denne bloggen har illustrert to metoder for å konvertere/transformere NumPy-arrayen til en PyTorch-tensor.