NumPy teek ei toeta vaikimisi GPU kiirendust. See tähendab, et NumPy toiminguid piiravad mälu ja protsessori kiirus. Suuremahulise andmeanalüüsi ja keerukate arvutuste puhul on see puudus. PyTorchi tensorid kasutavad aga GPU-d numbriliste arvutuste kiirendamiseks. See on oluline süvaõppe rakenduste jaoks, kus andmeid on tohutult. Kasutajad saavad selle funktsiooni ärakasutamiseks ja masinõppemudelite jõudluse parandamiseks NumPy massiivi teisendada PyTorchi tenoriks.
See ajaveeb illustreerib meetodeid NumPy massiivi muutmiseks PyTorchi tensoriks.
Kuidas teisendada / teisendada NumPy massiiviks PyTorch Tensoriks?
NumPy massiivi PyTorchi tenoriks teisendamiseks/teisndamiseks saab kasutada kahte meetodit:
- 1. meetod: funktsiooni 'torch.from_numpy()' kasutamine
- 2. meetod: funktsiooni „torch.tensor()” kasutamine
1. meetod: teisendage/teisenda NumPy massiiv PyTorchi tenoriks, kasutades funktsiooni 'torch.from_numpy()'
NumPy massiivi muutmiseks PyTorchi tenoriks saavad kasutajad kasutada funktsiooni 'torch.from_numpy()'. Allpool on toodud samm-sammult juhised:
1. samm: importige vajalikud raamatukogud
Esiteks importige soovitud 'tõrviku' ja 'numpy' teegid:
importida taskulamp #tõrviku raamatukogu importimine
importida numpy as np #importing NumPy raamatukogu
2. samm: looge NumPy massiiv
Seejärel looge lihtne NumPy massiiv. Näiteks oleme loonud järgmise NumPy massiivi ja salvestanud selle ' massiivi_arv ” muutuja:
3. samm: teisendage Numpy massiiv PyTorchi tensoriks
Nüüd kasutage ' torch.from_numpy() ” funktsiooni, et muuta ülalloodud NumPy massiiv PyTorchi tensoriks ja salvestada see muutujaks. Siin oleme kasutanud ' Py_tensor ” muutuja teisendatud NumPy massiivi salvestamiseks:
Py_tensor = tõrvik. from_numpy ( massiivi_arv )
4. samm: prindiväljund
Lõpuks printige ' Py_tensor ” tensor:
See on teisendanud NumPy massiivi PyTorchi tenoriks:
Märge : Kui kasutaja kasutab NumPy massiivi PyTorchi tenoriks muutmiseks funktsiooni „torch.from_numpy()”, lingitakse saadud PyTorchi tensor algse Numpy massiiviga ja kasutab sama mälu. Seetõttu mõjutavad kõik tensoris tehtud/rakendatud muudatused ka tegelikku massiivi. Selle käitumise vältimiseks kasutage funktsiooni 'torch.tensor()'.
2. meetod: teisendage/teisenda NumPy massiiv PyTorchi tenoriks, kasutades funktsiooni 'torch.tensor()'
NumPy massiivi muutmiseks PyTorchi tenoriks saavad kasutajad kasutada funktsiooni „torch.tensor()”. Allpool on toodud samm-sammult juhised:
1. samm: importige teegid
Esmalt importige vajalik ' tõrvik ” ja „ tuim ” raamatukogud:
importida tuim nagu np
2. samm: looge NumPy massiiv
Pärast seda looge NumPy massiiv. Näiteks oleme loonud järgmise NumPy massiivi ja salvestanud selle ' massiivi_arv ” muutuja:
3. samm: teisendage NumPy massiiv PyTorchi tensoriks
Seejärel muutke NumPy massiiv PyTorchi tenoriks, kasutades ' torch.from_numpy() ” ja salvestage see muutujasse. Siin oleme kasutanud ' Py_tensor ” muutuja teisendatud NumPy massiivi salvestamiseks:
4. samm: prindiväljund
Lõpuks printige 'Py_tensor' tensor:
Seda tehes on NumPy massiiv teisendatud PyTorchi tenoriks:
Märge : meie Google Colabi märkmikule pääsete juurde siit link .
Oleme tõhusalt selgitanud NumPy massiivi PyTorchi tensoriks teisendamise meetodeid.
Järeldus
NumPy massiivi PyTorchi tenoriks teisendamiseks/teisendamiseks importige esmalt vajalikud teegid. Seejärel looge lihtne NumPy massiiv ja salvestage see kindlasse muutujasse. Pärast seda kasutage ' torch.from_numpy() ” või „ tõrvik.tensor() ” funktsiooni NumPy massiivi muutmiseks PyTorchi tensoriks ja selle printimiseks. See ajaveeb on illustreerinud kahte meetodit NumPy massiivi PyTorchi tenoriks teisendamiseks/teisndamiseks.