A biblioteca NumPy não oferece suporte à aceleração de GPU por padrão. Isso significa que as operações NumPy são limitadas pela memória e pela velocidade da CPU. É uma desvantagem para análises de dados em grande escala e cálculos complexos. No entanto, os tensores PyTorch usam GPU para acelerar os cálculos numéricos. Isto é essencial para aplicações de aprendizagem profunda onde os dados são enormes. Os usuários podem converter o array NumPy em um tensor PyTorch para aproveitar os benefícios desse recurso e melhorar o desempenho dos modelos de aprendizado de máquina.
Este blog irá ilustrar os métodos para transformar o array NumPy em um tensor PyTorch.
Como converter/transformar em NumPy Array em PyTorch Tensor?
Para converter/transformar o array NumPy em um tensor PyTorch, dois métodos podem ser usados:
- Método 1: usando a função “torch.from_numpy()”
- Método 2: usando a função “torch.tensor()”
Método 1: Converter/transformar array NumPy em tensor PyTorch usando a função “torch.from_numpy()”
Para transformar o array NumPy em tensor PyTorch, os usuários podem usar a função “torch.from_numpy()”. As instruções passo a passo são fornecidas abaixo:
Etapa 1: importar as bibliotecas necessárias
Primeiro, importe as bibliotecas “torch” e “numpy” desejadas:
importar tocha #importando biblioteca de tochas
importar numpy as np #importando biblioteca NumPy
Etapa 2: crie um array NumPy
Em seguida, crie um array NumPy simples. Por exemplo, criamos o seguinte array NumPy e o armazenamos em um “ num_array ' variável:
Etapa 3: transformar o Numpy Array em um tensor PyTorch
Agora, use o “ tocha.from_numpy() ”Função para transformar o array NumPy criado acima em um tensor PyTorch e armazená-lo em uma variável. Aqui, usamos o “ Py_tensor ”Variável para armazenar o array NumPy convertido:
Py_tensor = tocha. de_numpy ( num_array )
Etapa 4: Imprimir saída
Por fim, imprima “ Py_tensor ” tensor:
Isso converteu o array NumPy em um tensor PyTorch:
Observação : Se um usuário usar a função “torch.from_numpy()” para transformar o array NumPy em um tensor PyTorch, o tensor PyTorch resultante será vinculado ao array Numpy original e usará a mesma memória. Portanto, quaisquer alterações feitas/aplicadas ao tensor também terão um impacto na matriz real. Para evitar esse comportamento, utilize a função “torch.tensor()”.
Método 2: Converter/transformar array NumPy em tensor PyTorch usando a função “torch.tensor()”
Para transformar o array NumPy em um tensor PyTorch, os usuários podem usar a função “torch.tensor()”. As instruções passo a passo são fornecidas abaixo:
Etapa 1: importar bibliotecas
Primeiro, importe o necessário “ tocha ' e ' entorpecido ”bibliotecas:
importar numpy como np
Etapa 2: crie um array NumPy
Depois disso, crie um array NumPy. Por exemplo, criamos o seguinte array NumPy e o armazenamos em um “ num_array ' variável:
Etapa 3: transformar o array NumPy em um tensor PyTorch
Em seguida, transforme o array NumPy em um tensor PyTorch por meio do “ tocha.from_numpy() ”função e armazená-lo em uma variável. Aqui, usamos o “ Py_tensor ”Variável para armazenar o array NumPy convertido:
Etapa 4: Imprimir saída
Por último, imprima “Py_tensor” tensor:
Ao fazer isso, o array NumPy foi convertido em um tensor PyTorch:
Observação : Você pode acessar nosso Google Colab Notebook neste link .
Explicamos com eficiência os métodos de transformação do array NumPy em um tensor PyTorch.
Conclusão
Para converter/transformar o array NumPy em um tensor PyTorch, primeiro importe as bibliotecas necessárias. Em seguida, crie um array NumPy simples e armazene-o em uma variável específica. Depois disso, use o “ tocha.from_numpy() ' ou ' tocha.tensor() ”Função para transformar o array NumPy em um tensor PyTorch e imprimi-lo. Este blog ilustrou dois métodos para converter/transformar o array NumPy em um tensor PyTorch.