La libreria NumPy non supporta l'accelerazione GPU per impostazione predefinita. Ciò significa che le operazioni di NumPy sono vincolate dalla memoria e dalla velocità della CPU. È uno svantaggio per l'analisi dei dati su larga scala e i calcoli complessi. Tuttavia, i tensori PyTorch utilizzano la GPU per accelerare i calcoli numerici. Ciò è essenziale per le applicazioni di deep learning in cui i dati sono enormi. Gli utenti possono convertire l'array NumPy in un tensore PyTorch per sfruttare questa funzionalità e migliorare le prestazioni dei modelli di apprendimento automatico.
Questo blog illustrerà i metodi per trasformare l'array NumPy in un tensore PyTorch.
Come convertire/trasformare l'array NumPy nel tensore PyTorch?
Per convertire/trasformare l'array NumPy in un tensore PyTorch, è possibile utilizzare due metodi:
- Metodo 1: utilizzo della funzione 'torch.from_numpy()'.
- Metodo 2: utilizzo della funzione “torch.tensor()”.
Metodo 1: convertire/trasformare l'array NumPy in tensore PyTorch utilizzando la funzione 'torch.from_numpy()'
Per trasformare l'array NumPy nel tensore PyTorch, gli utenti possono utilizzare la funzione 'torch.from_numpy()'. Le istruzioni passo passo sono riportate di seguito:
Passaggio 1: importa le librerie necessarie
Innanzitutto, importa le librerie “torch” e “numpy” desiderate:
importare torcia #importing libreria torce
importare numpy as np #importing libreria NumPy
Passaggio 2: crea un array NumPy
Quindi, crea un semplice array NumPy. Ad esempio, abbiamo creato il seguente array NumPy e lo abbiamo archiviato in un file ' matrice_num 'variabile:
Passaggio 3: trasforma l'array Numpy in un tensore PyTorch
Ora usa il ' torcia.from_numpy() ' per trasformare l'array NumPy creato sopra in un tensore PyTorch e memorizzarlo in una variabile. Qui, abbiamo usato il ' Py_tensore ' variabile per memorizzare l'array NumPy convertito:
Py_tensore = torcia. da_numpy ( matrice_num )
Passaggio 4: stampa dell'output
Infine, stampa “ Py_tensore ' tensore:
Questo ha convertito l'array NumPy in un tensore PyTorch:
Nota : Se un utente utilizza la funzione 'torch.from_numpy()' per trasformare l'array NumPy in un tensore PyTorch, il tensore PyTorch risultante sarà collegato all'array Numpy originale e utilizzerà la stessa memoria. Pertanto, qualsiasi modifica apportata/applicata al tensore avrà un impatto anche sull'array reale. Per evitare questo comportamento, utilizzare la funzione “torch.tensor()”.
Metodo 2: convertire/trasformare NumPy Array in PyTorch Tensor utilizzando la funzione 'torch.tensor()'
Per trasformare l'array NumPy in un tensore PyTorch, gli utenti possono utilizzare la funzione 'torch.tensor()'. Le istruzioni passo passo sono riportate di seguito:
Passaggio 1: importare librerie
Per prima cosa, importa il necessario “ torcia ' E ' insensato ”biblioteche:
importare numpy come np
Passaggio 2: crea un array NumPy
Successivamente, crea un array NumPy. Ad esempio, abbiamo creato il seguente array NumPy e lo abbiamo archiviato in un file ' matrice_num 'variabile:
Passaggio 3: trasforma l'array NumPy in un tensore PyTorch
Quindi, trasforma l'array NumPy in un tensore PyTorch tramite il comando ' torcia.from_numpy() ' e memorizzarlo in una variabile. Qui, abbiamo usato il ' Py_tensore ' variabile per memorizzare l'array NumPy convertito:
Passaggio 4: stampa dell'output
Infine, stampa “Pi_tensore” tensore:
In questo modo, l'array NumPy è stato convertito in un tensore PyTorch:
Nota : puoi accedere al nostro Google Colab Notebook da qui collegamento .
Abbiamo spiegato in modo efficiente i metodi per trasformare l'array NumPy in un tensore PyTorch.
Conclusione
Per convertire/trasformare l'array NumPy in un tensore PyTorch, importa prima le librerie necessarie. Quindi, crea un semplice array NumPy e memorizzalo in una variabile particolare. Successivamente, utilizzare il ' torcia.from_numpy() ' O ' torcia.tensore() ' per trasformare l'array NumPy in un tensore PyTorch e stamparlo. Questo blog ha illustrato due metodi per convertire/trasformare l'array NumPy in un tensore PyTorch.