Pustaka NumPy tidak menyokong pecutan GPU secara lalai. Ini bermakna bahawa operasi NumPy dikekang oleh memori dan kelajuan CPU. Ia adalah kelemahan untuk analisis data berskala besar dan pengiraan yang kompleks. Walau bagaimanapun, tensor PyTorch menggunakan GPU untuk mempercepatkan pengiraan berangka. Ini penting untuk aplikasi pembelajaran mendalam yang datanya besar. Pengguna boleh menukar tatasusunan NumPy kepada tensor PyTorch untuk memanfaatkan ciri ini dan meningkatkan prestasi model pembelajaran mesin.
Blog ini akan menggambarkan kaedah untuk mengubah tatasusunan NumPy menjadi tensor PyTorch.
Bagaimana untuk Menukar/Mengubah menjadi NumPy Array ke PyTorch Tensor?
Untuk menukar/mengubah tatasusunan NumPy kepada tensor PyTorch, dua kaedah boleh digunakan:
- Kaedah 1: Menggunakan Fungsi 'torch.from_numpy()'.
- Kaedah 2: Menggunakan Fungsi 'torch.tensor()'.
Kaedah 1: Tukar/Ubah Array NumPy kepada PyTorch Tensor Menggunakan Fungsi 'torch.from_numpy()'
Untuk mengubah tatasusunan NumPy kepada tensor PyTorch, pengguna boleh menggunakan fungsi 'torch.from_numpy()'. Arahan langkah demi langkah diberikan di bawah:
Langkah 1: Import Perpustakaan yang Diperlukan
Pertama, import perpustakaan 'obor' dan 'numpy' yang dikehendaki:
import obor #mengimport perpustakaan obor
import numpy sebagai np #importing pustaka NumPy
Langkah 2: Buat Tatasusunan NumPy
Kemudian, buat tatasusunan NumPy yang mudah. Sebagai contoh, kami telah mencipta tatasusunan NumPy berikut dan menyimpannya dalam ' num_array ” pembolehubah:
Langkah 3: Ubah Tatasusunan Numpy menjadi Tensor PyTorch
Sekarang, gunakan ' torch.from_numpy() ” untuk mengubah tatasusunan NumPy yang dibuat di atas menjadi tensor PyTorch dan menyimpannya ke dalam pembolehubah. Di sini, kami telah menggunakan ' Py_tensor ” pembolehubah untuk menyimpan tatasusunan NumPy yang ditukar:
Py_tensor = obor. from_numpy ( num_array )
Langkah 4: Cetak Output
Akhir sekali, cetak ' Py_tensor ” tensor:
Ini telah menukar tatasusunan NumPy kepada tensor PyTorch:
Catatan : Jika pengguna menggunakan fungsi 'torch.from_numpy()' untuk mengubah tatasusunan NumPy menjadi tensor PyTorch, tensor PyTorch yang terhasil akan dipautkan kepada tatasusunan Numpy asal dan menggunakan memori yang sama. Oleh itu, sebarang perubahan yang dibuat/digunakan pada tensor juga akan memberi kesan kepada tatasusunan sebenar. Untuk mengelakkan tingkah laku ini, gunakan fungsi 'torch.tensor()'.
Kaedah 2: Tukar/Ubah Array NumPy kepada PyTorch Tensor Menggunakan Fungsi 'torch.tensor()'
Untuk mengubah tatasusunan NumPy kepada tensor PyTorch, pengguna boleh menggunakan fungsi 'torch.tensor()'. Arahan langkah demi langkah diberikan di bawah:
Langkah 1: Import Perpustakaan
Pertama, import 'yang diperlukan obor ” dan “ numpy ” perpustakaan:
import numpy sebagai np
Langkah 2: Buat Tatasusunan NumPy
Selepas itu, buat tatasusunan NumPy. Sebagai contoh, kami telah mencipta tatasusunan NumPy berikut dan menyimpannya dalam ' num_array ” pembolehubah:
Langkah 3: Ubah Tatasusunan NumPy kepada Tensor PyTorch
Kemudian, tukar tatasusunan NumPy kepada tensor PyTorch melalui “ torch.from_numpy() ” dan menyimpannya ke dalam pembolehubah. Di sini, kami telah menggunakan ' Py_tensor ” pembolehubah untuk menyimpan tatasusunan NumPy yang ditukar:
Langkah 4: Cetak Output
Akhir sekali, cetak “Py_tensor” tensor:
Dengan berbuat demikian, tatasusunan NumPy telah ditukar menjadi tensor PyTorch:
Catatan : Anda boleh mengakses Buku Nota Google Colab kami di sini pautan .
Kami telah menerangkan dengan cekap kaedah menukar tatasusunan NumPy kepada tensor PyTorch.
Kesimpulan
Untuk menukar/mengubah tatasusunan NumPy kepada tensor PyTorch, import dahulu perpustakaan yang diperlukan. Kemudian, buat tatasusunan NumPy mudah dan simpannya dalam pembolehubah tertentu. Selepas itu, gunakan ' torch.from_numpy() ” atau “ torch.tensor() ” untuk mengubah tatasusunan NumPy menjadi tensor PyTorch dan mencetaknya. Blog ini telah menggambarkan dua kaedah untuk menukar/mengubah tatasusunan NumPy kepada tensor PyTorch.