NumPy bibliotēka pēc noklusējuma neatbalsta GPU paātrinājumu. Tas nozīmē, ka NumPy darbības ierobežo atmiņa un CPU ātrums. Tas ir trūkums liela mēroga datu analīzei un sarežģītiem aprēķiniem. Tomēr PyTorch tensori izmanto GPU, lai paātrinātu skaitliskos aprēķinus. Tas ir būtiski dziļās mācīšanās lietojumprogrammām, kurās ir milzīgi dati. Lietotāji var pārvērst NumPy masīvu PyTorch tensorā, lai izmantotu šo funkciju un uzlabotu mašīnmācīšanās modeļu veiktspēju.
Šis emuārs ilustrēs metodes, kā pārveidot NumPy masīvu PyTorch tensorā.
Kā pārvērst/pārveidot par NumPy masīvu PyTorch Tensor?
Lai pārvērstu/pārveidotu NumPy masīvu PyTorch tensorā, var izmantot divas metodes:
- 1. metode: funkcijas “torch.from_numpy()” izmantošana
- 2. metode: funkcijas “torch.tensor()” izmantošana
1. metode: konvertējiet/transformējiet NumPy masīvu uz PyTorch Tensor, izmantojot funkciju “torch.from_numpy()”
Lai pārveidotu NumPy masīvu par PyTorch tensoru, lietotāji var izmantot funkciju “torch.from_numpy()”. Soli pa solim instrukcijas ir sniegtas zemāk:
1. darbība: importējiet nepieciešamās bibliotēkas
Vispirms importējiet vajadzīgās “torch” un “numpy” bibliotēkas:
imports lāpa #importē lāpas bibliotēku
imports numpy as np #importing NumPy bibliotēka
2. darbība: izveidojiet NumPy masīvu
Pēc tam izveidojiet vienkāršu NumPy masīvu. Piemēram, mēs esam izveidojuši šādu NumPy masīvu un saglabājuši to ' num_masīvs ” mainīgais:
3. darbība: pārveidojiet Numpy masīvu par PyTorch tensoru
Tagad izmantojiet ' torch.from_numpy() ”, lai pārveidotu iepriekš izveidoto NumPy masīvu PyTorch tensorā un saglabātu to mainīgajā. Šeit mēs esam izmantojuši ' Py_tensor ” mainīgais, lai saglabātu pārveidoto NumPy masīvu:
Py_tensor = lāpa. from_numpy ( num_masīvs )
4. darbība. Drukas izvade
Visbeidzot izdrukājiet ' Py_tensor ” tensors:
Tas ir pārveidojis NumPy masīvu par PyTorch tensoru:
Piezīme : Ja lietotājs izmanto funkciju “torch.from_numpy()”, lai pārveidotu NumPy masīvu PyTorch tensorā, iegūtais PyTorch tensors tiks saistīts ar sākotnējo Numpy masīvu un izmantos to pašu atmiņu. Tāpēc visas tensorā veiktās/pielietotās izmaiņas tāpat ietekmēs faktisko masīvu. Lai izvairītos no šādas darbības, izmantojiet funkciju “torch.tensor()”.
2. metode: konvertējiet/pārveidojiet NumPy masīvu par PyTorch Tensor, izmantojot funkciju “torch.tensor()”
Lai pārveidotu NumPy masīvu par PyTorch tensoru, lietotāji var izmantot funkciju “torch.tensor()”. Soli pa solim instrukcijas ir sniegtas zemāk:
1. darbība. Importējiet bibliotēkas
Vispirms importējiet nepieciešamo ' lāpa ' un ' nejutīgs ” bibliotēkas:
imports numpy kā np
2. darbība: izveidojiet NumPy masīvu
Pēc tam izveidojiet NumPy masīvu. Piemēram, mēs esam izveidojuši šādu NumPy masīvu un saglabājuši to ' num_masīvs ” mainīgais:
3. darbība. Pārveidojiet NumPy masīvu par PyTorch Tensor
Pēc tam pārveidojiet NumPy masīvu par PyTorch tensoru, izmantojot “ torch.from_numpy() ” un saglabājiet to mainīgajā. Šeit mēs esam izmantojuši ' Py_tensor ” mainīgais, lai saglabātu pārveidoto NumPy masīvu:
4. darbība. Drukas izvade
Visbeidzot, izdrukājiet 'Py_tensor' tenzors:
To darot, NumPy masīvs ir pārveidots par PyTorch tensoru:
Piezīme : varat piekļūt mūsu Google Colab piezīmju grāmatiņai šeit saite .
Mēs esam efektīvi izskaidrojuši NumPy masīva pārveidošanas metodes PyTorch tensorā.
Secinājums
Lai pārveidotu/pārveidotu NumPy masīvu PyTorch tensorā, vispirms importējiet nepieciešamās bibliotēkas. Pēc tam izveidojiet vienkāršu NumPy masīvu un saglabājiet to noteiktā mainīgajā. Pēc tam izmantojiet ' torch.from_numpy() ” vai “ torch.tensor() ” funkciju, lai pārveidotu NumPy masīvu PyTorch tensorā un izdrukātu to. Šajā emuārā ir ilustrētas divas metodes NumPy masīva konvertēšanai/pārveidošanai PyTorch tensorā.