De NumPy-bibliotheek ondersteunt standaard geen GPU-versnelling. Dit betekent dat NumPy-bewerkingen worden beperkt door het geheugen en de CPU-snelheid. Het is een nadeel voor grootschalige data-analyse en complexe berekeningen. De PyTorch-tensoren gebruiken echter GPU om de numerieke berekeningen te versnellen. Dit is essentieel voor deep learning-toepassingen waarbij de gegevens enorm zijn. Gebruikers kunnen de NumPy-array omzetten in een PyTorch-tensor om van deze functie te profiteren en de prestaties van de machine-learning-modellen te verbeteren.
Deze blog illustreert de methoden om de NumPy-array in een PyTorch-tensor te transformeren.
Hoe te converteren/transformeren naar NumPy Array naar PyTorch Tensor?
Om de NumPy-array in een PyTorch-tensor te converteren/transformeren, kunnen twee methoden worden gebruikt:
- Methode 1: De functie “torch.from_numpy()” gebruiken
- Methode 2: De functie “torch.tensor()” gebruiken
Methode 1: NumPy-array converteren/transformeren naar PyTorch Tensor met behulp van de functie 'torch.from_numpy()'
Om de NumPy-array naar PyTorch-tensor te transformeren, kunnen gebruikers de functie “torch.from_numpy()” gebruiken. Hieronder vindt u de stapsgewijze instructies:
Stap 1: Importeer de benodigde bibliotheken
Importeer eerst de gewenste “torch”- en “numpy”-bibliotheken:
importeren fakkel #importing fakkelbibliotheek
importeren numpy as np #importing NumPy-bibliotheek
Stap 2: Maak een NumPy-array
Maak vervolgens een eenvoudige NumPy-array. We hebben bijvoorbeeld de volgende NumPy-array gemaakt en opgeslagen in een “ num_array ”variabele:
Stap 3: Transformeer de Numpy Array in een PyTorch Tensor
Gebruik nu de “ fakkel.from_numpy() '-functie om de hierboven gemaakte NumPy-array te transformeren in een PyTorch-tensor en deze op te slaan in een variabele. Hier hebben we gebruik gemaakt van de “ Py_tensor ”variabele om de geconverteerde NumPy-array op te slaan:
Py_tensor = fakkel. van_numpy ( num_array )
Stap 4: Afdrukuitvoer
Druk ten slotte af “ Py_tensor ” tensor:
Dit heeft de NumPy-array omgezet in een PyTorch-tensor:
Opmerking : Als een gebruiker de functie “torch.from_numpy()” gebruikt om de NumPy-array in een PyTorch-tensor te transformeren, wordt de resulterende PyTorch-tensor gekoppeld aan de originele Numpy-array en wordt hetzelfde geheugen gebruikt. Daarom zullen alle wijzigingen die op de tensor worden aangebracht/toegepast, eveneens een impact hebben op de daadwerkelijke array. Om dit gedrag te voorkomen, gebruikt u de functie “torch.tensor()”.
Methode 2: NumPy-array converteren/transformeren naar PyTorch Tensor met behulp van de functie 'torch.tensor()'
Om de NumPy-array naar een PyTorch-tensor te transformeren, kunnen gebruikers de functie “torch.tensor()” gebruiken. Hieronder vindt u de stapsgewijze instructies:
Stap 1: Bibliotheken importeren
Importeer eerst de benodigde “ fakkel ' En ' numpig ” bibliotheken:
importeren numpy als np
Stap 2: Maak een NumPy-array
Maak daarna een NumPy-array. We hebben bijvoorbeeld de volgende NumPy-array gemaakt en opgeslagen in een “ num_array ”variabele:
Stap 3: Transformeer de NumPy-array naar een PyTorch Tensor
Transformeer vervolgens de NumPy-array naar een PyTorch-tensor via de “ fakkel.from_numpy() ”-functie en sla deze op in een variabele. Hier hebben we gebruik gemaakt van de “ Py_tensor ”variabele om de geconverteerde NumPy-array op te slaan:
Stap 4: Afdrukuitvoer
Als laatste: afdrukken “Py_tensor” tensor:
Door dit te doen is de NumPy-array omgezet in een PyTorch-tensor:
Opmerking : Hier heeft u toegang tot ons Google Colab Notebook koppeling .
We hebben op efficiënte wijze de methoden uitgelegd voor het transformeren van de NumPy-array naar een PyTorch-tensor.
Conclusie
Om de NumPy-array naar een PyTorch-tensor te converteren/transformeren, importeert u eerst de benodigde bibliotheken. Maak vervolgens een eenvoudige NumPy-array en sla deze op in een bepaalde variabele. Gebruik daarna de “ fakkel.from_numpy() ' of ' fakkel.tensor() '-functie om de NumPy-array in een PyTorch-tensor te transformeren en af te drukken. Deze blog heeft twee methoden geïllustreerd om de NumPy-array naar een PyTorch-tensor te converteren/transformeren.