Die NumPy-Bibliothek unterstützt standardmäßig keine GPU-Beschleunigung. Dies bedeutet, dass NumPy-Operationen durch den Speicher und die CPU-Geschwindigkeit eingeschränkt werden. Dies ist ein Nachteil für umfangreiche Datenanalysen und komplexe Berechnungen. Allerdings nutzen die PyTorch-Tensoren die GPU, um die numerischen Berechnungen zu beschleunigen. Dies ist für Deep-Learning-Anwendungen mit großen Datenmengen unerlässlich. Benutzer können das NumPy-Array in einen PyTorch-Tensor umwandeln, um von dieser Funktion zu profitieren und die Leistung der Modelle für maschinelles Lernen zu verbessern.
In diesem Blog werden die Methoden zur Umwandlung des NumPy-Arrays in einen PyTorch-Tensor veranschaulicht.
Wie konvertiert/transformiert man ein NumPy-Array in einen PyTorch-Tensor?
Um das NumPy-Array in einen PyTorch-Tensor zu konvertieren/transformieren, können zwei Methoden verwendet werden:
- Methode 1: Verwendung der Funktion „torch.from_numpy()“.
- Methode 2: Verwenden der Funktion „torch.tensor()“.
Methode 1: Konvertieren/Transformieren des NumPy-Arrays in einen PyTorch-Tensor mit der Funktion „torch.from_numpy()“.
Um das NumPy-Array in einen PyTorch-Tensor umzuwandeln, können Benutzer die Funktion „torch.from_numpy()“ verwenden. Nachfolgend finden Sie die Schritt-für-Schritt-Anleitung:
Schritt 1: Erforderliche Bibliotheken importieren
Importieren Sie zunächst die gewünschten „Torch“- und „Numpy“-Bibliotheken:
importieren Torch #Torch-Bibliothek importieren
importieren numpy as np #importing NumPy-Bibliothek
Schritt 2: Erstellen Sie ein NumPy-Array
Erstellen Sie dann ein einfaches NumPy-Array. Zum Beispiel haben wir das folgende NumPy-Array erstellt und es in einem „ num_array ” Variable:
Schritt 3: Transformieren Sie das Numpy-Array in einen PyTorch-Tensor
Benutzen Sie nun die „ Torch.from_numpy() ”-Funktion, um das oben erstellte NumPy-Array in einen PyTorch-Tensor umzuwandeln und ihn in einer Variablen zu speichern. Hier haben wir das „ Py_tensor ” Variable zum Speichern des konvertierten NumPy-Arrays:
Py_tensor = Fackel. from_numpy ( num_array )
Schritt 4: Ausgabe drucken
Zum Schluss drucken Sie „ Py_tensor ” Tensor:
Dadurch wurde das NumPy-Array in einen PyTorch-Tensor umgewandelt:
Notiz : Wenn ein Benutzer die Funktion „torch.from_numpy()“ verwendet, um das NumPy-Array in einen PyTorch-Tensor umzuwandeln, wird der resultierende PyTorch-Tensor mit dem ursprünglichen Numpy-Array verknüpft und verwendet denselben Speicher. Daher haben alle am Tensor vorgenommenen/angewendeten Änderungen ebenfalls Auswirkungen auf das tatsächliche Array. Um dieses Verhalten zu vermeiden, verwenden Sie die Funktion „torch.tensor()“.
Methode 2: Konvertieren/Transformieren des NumPy-Arrays in einen PyTorch-Tensor mit der Funktion „torch.tensor()“.
Um das NumPy-Array in einen PyTorch-Tensor umzuwandeln, können Benutzer die Funktion „torch.tensor()“ verwenden. Nachfolgend finden Sie die Schritt-für-Schritt-Anleitung:
Schritt 1: Bibliotheken importieren
Importieren Sie zunächst die erforderlichen „ Fackel ' Und ' Numpy ”Bibliotheken:
importieren numpy als np
Schritt 2: Erstellen Sie ein NumPy-Array
Erstellen Sie anschließend ein NumPy-Array. Zum Beispiel haben wir das folgende NumPy-Array erstellt und es in einem „ num_array ” Variable:
Schritt 3: Transformieren Sie das NumPy-Array in einen PyTorch-Tensor
Transformieren Sie dann das NumPy-Array in einen PyTorch-Tensor über „ Torch.from_numpy() ”-Funktion und speichern Sie sie in einer Variablen. Hier haben wir das „ Py_tensor ” Variable zum Speichern des konvertierten NumPy-Arrays:
Schritt 4: Ausgabe drucken
Zum Schluss drucken „Py_tensor“ Tensor:
Dadurch wurde das NumPy-Array in einen PyTorch-Tensor umgewandelt:
Notiz : Hier können Sie auf unser Google Colab Notebook zugreifen Verknüpfung .
Wir haben die Methoden zur Transformation des NumPy-Arrays in einen PyTorch-Tensor effizient erklärt.
Abschluss
Um das NumPy-Array in einen PyTorch-Tensor zu konvertieren/umzuwandeln, importieren Sie zunächst die erforderlichen Bibliotheken. Erstellen Sie dann ein einfaches NumPy-Array und speichern Sie es in einer bestimmten Variablen. Verwenden Sie danach die Funktion „ Torch.from_numpy() ' oder ' Torch.tensor() ”-Funktion, um das NumPy-Array in einen PyTorch-Tensor umzuwandeln und auszudrucken. In diesem Blog wurden zwei Methoden zum Konvertieren/Transformieren des NumPy-Arrays in einen PyTorch-Tensor veranschaulicht.