NumPy knjižnica ne podržava GPU ubrzanje prema zadanim postavkama. To znači da su NumPy operacije ograničene brzinom memorije i procesora. To je nedostatak za velike analize podataka i složene izračune. Međutim, PyTorch tenzori koriste GPU za ubrzavanje numeričkih izračuna. Ovo je bitno za aplikacije dubokog učenja gdje su podaci ogromni. Korisnici mogu pretvoriti NumPy niz u PyTorch tenzor kako bi iskoristili prednosti ove značajke i poboljšali performanse modela strojnog učenja.
Ovaj blog će ilustrirati metode transformacije NumPy polja u PyTorch tenzor.
Kako pretvoriti/transformirati NumPy niz u PyTorch Tensor?
Za pretvorbu/transformaciju NumPy polja u PyTorch tenzor mogu se koristiti dvije metode:
- 1. metoda: korištenje funkcije “torch.from_numpy()”.
- 2. metoda: korištenje funkcije 'torch.tensor()'.
Metoda 1: Pretvorite/transformirajte NumPy polje u PyTorch tenzor pomoću funkcije 'torch.from_numpy()'
Za transformaciju NumPy polja u PyTorch tenzor, korisnici mogu koristiti funkciju 'torch.from_numpy()'. U nastavku su navedene upute korak po korak:
Korak 1: Uvezite potrebne biblioteke
Prvo uvezite željene biblioteke 'torch' i 'numpy':
uvoz baklja #importing torch biblioteka
uvoz numpy kao np #importing NumPy biblioteka
Korak 2: Napravite NumPy polje
Zatim stvorite jednostavan NumPy niz. Na primjer, stvorili smo sljedeći NumPy niz i pohranili ga u ' num_array ” varijabla:
Korak 3: Transformirajte Numpy Array u PyTorch Tensor
Sada upotrijebite ' baklja.from_numpy() ” za transformaciju gore stvorenog polja NumPy u PyTorch tenzor i pohranjivanje u varijablu. Ovdje smo koristili ' Py_tenzor ” varijabla za pohranjivanje pretvorenog NumPy polja:
Py_tenzor = baklja. from_numpy ( num_array )
Korak 4: Ispis izlaza
Na kraju ispišite “ Py_tenzor ” tenzor:
Ovo je pretvorilo NumPy polje u PyTorch tenzor:
Bilješka : Ako korisnik koristi funkciju “torch.from_numpy()” za transformaciju NumPy polja u PyTorch tenzor, rezultirajući PyTorch tenzor bit će povezan s izvornim Numpy poljem i koristit će istu memoriju. Stoga će sve promjene učinjene/primijenjene na tenzor također imati utjecaj na stvarni niz. Da biste izbjegli ovakvo ponašanje, upotrijebite funkciju 'torch.tensor()'.
Metoda 2: Pretvaranje/transformacija NumPy polja u PyTorch tenzor pomoću funkcije 'torch.tensor()'
Za transformaciju NumPy polja u PyTorch tenzor, korisnici mogu koristiti funkciju 'torch.tensor()'. U nastavku su navedene upute korak po korak:
Korak 1: Uvezite biblioteke
Prvo uvezite potrebne ' baklja ' i ' numpy ” knjižnice:
uvoz numpy kao np
Korak 2: Napravite NumPy polje
Nakon toga kreirajte NumPy niz. Na primjer, stvorili smo sljedeći NumPy niz i pohranili ga u ' num_array ” varijabla:
Korak 3: Transformirajte NumPy Array u PyTorch Tensor
Zatim transformirajte NumPy niz u PyTorch tenzor putem ' baklja.from_numpy() ” i pohranite je u varijablu. Ovdje smo koristili ' Py_tenzor ” varijabla za pohranjivanje pretvorenog NumPy polja:
Korak 4: Ispis izlaza
Na kraju, ispis “Py_tenzor” tenzor:
Čineći to, NumPy polje je pretvoreno u PyTorch tenzor:
Bilješka : Našoj Google Colab bilježnici možete pristupiti ovdje veza .
Učinkovito smo objasnili metode transformacije NumPy polja u PyTorch tenzor.
Zaključak
Da biste pretvorili/transformirali NumPy niz u PyTorch tenzor, prvo uvezite potrebne biblioteke. Zatim stvorite jednostavan NumPy niz i pohranite ga u određenu varijablu. Nakon toga upotrijebite ' baklja.from_numpy() ' ili ' baklja.tenzor() ” za transformaciju polja NumPy u PyTorch tenzor i ispis. Ovaj blog je ilustrirao dvije metode za pretvaranje/transformaciju NumPy polja u PyTorch tenzor.