ไลบรารี NumPy ไม่รองรับการเร่งความเร็ว GPU ตามค่าเริ่มต้น ซึ่งหมายความว่าการดำเนินการของ NumPy ถูกจำกัดโดยหน่วยความจำและความเร็วของ CPU ถือเป็นข้อเสียเปรียบสำหรับการวิเคราะห์ข้อมูลขนาดใหญ่และการคำนวณที่ซับซ้อน อย่างไรก็ตาม เทนเซอร์ของ PyTorch ใช้ GPU เพื่อเร่งการคำนวณตัวเลข นี่เป็นสิ่งจำเป็นสำหรับแอปพลิเคชันการเรียนรู้เชิงลึกซึ่งมีข้อมูลขนาดใหญ่ ผู้ใช้สามารถแปลงอาร์เรย์ NumPy เป็นเมตริกซ์ PyTorch เพื่อใช้ประโยชน์จากคุณสมบัตินี้และปรับปรุงประสิทธิภาพของโมเดลการเรียนรู้ของเครื่อง
บล็อกนี้จะแสดงวิธีการแปลงอาร์เรย์ NumPy ให้เป็น PyTorch tensor
จะแปลง / แปลงเป็น NumPy Array เป็น PyTorch Tensor ได้อย่างไร
ในการแปลง/แปลงอาร์เรย์ NumPy เป็น PyTorch tensor สามารถใช้สองวิธี:
- วิธีที่ 1: การใช้ฟังก์ชัน “torch.from_numpy()”
- วิธีที่ 2: การใช้ฟังก์ชัน 'torch.tensor()'
วิธีที่ 1: แปลง/แปลงอาร์เรย์ NumPy เป็น PyTorch Tensor โดยใช้ฟังก์ชัน 'torch.from_numpy()'
หากต้องการแปลงอาร์เรย์ NumPy เป็น PyTorch tensor ผู้ใช้สามารถใช้ฟังก์ชัน “torch.from_numpy()” ได้ คำแนะนำทีละขั้นตอนได้รับด้านล่าง:
ขั้นตอนที่ 1: นำเข้าไลบรารีที่จำเป็น
ขั้นแรก นำเข้าไลบรารี 'torch' และ 'numpy' ที่ต้องการ:
นำเข้า torch #กำลังนำเข้าไลบรารีคบเพลิง
นำเข้า numpy เป็น np #กำลังนำเข้าไลบรารี NumPy
ขั้นตอนที่ 2: สร้างอาร์เรย์ NumPy
จากนั้นสร้างอาร์เรย์ NumPy อย่างง่าย ตัวอย่างเช่น เราได้สร้างอาร์เรย์ NumPy ต่อไปนี้และเก็บไว้ใน ' num_array ' ตัวแปร:
ขั้นตอนที่ 3: แปลง Numpy Array ให้เป็น PyTorch Tensor
ตอนนี้ใช้ ' คบเพลิง from_numpy() ” เพื่อแปลงอาร์เรย์ NumPy ที่สร้างขึ้นข้างต้นให้เป็นเมตริกซ์ PyTorch และจัดเก็บไว้ในตัวแปร ที่นี่เราได้ใช้ “ ไพ_เทนเซอร์ ” ตัวแปรเพื่อจัดเก็บอาร์เรย์ NumPy ที่แปลงแล้ว:
ไพ_เทนเซอร์ = คบเพลิง. from_numpy ( num_array )
ขั้นตอนที่ 4: พิมพ์ผลงาน
สุดท้ายพิมพ์ “ ไพ_เทนเซอร์ ” เทนเซอร์:
สิ่งนี้ได้แปลงอาร์เรย์ NumPy เป็น PyTorch tensor:
บันทึก : หากผู้ใช้ใช้ฟังก์ชัน “torch.from_numpy()” เพื่อแปลงอาร์เรย์ NumPy ให้เป็น PyTorch tensor ผลลัพธ์ของ PyTorch tensor จะเชื่อมโยงกับอาร์เรย์ Numpy ดั้งเดิมและใช้หน่วยความจำเดียวกัน ดังนั้นการเปลี่ยนแปลงใดๆ ที่ทำ/นำไปใช้กับเทนเซอร์ก็จะมีผลกระทบต่ออาเรย์จริงเช่นกัน เพื่อหลีกเลี่ยงพฤติกรรมนี้ ให้ใช้ฟังก์ชัน “torch.tensor()”
วิธีที่ 2: แปลง/แปลงอาร์เรย์ NumPy เป็น PyTorch Tensor โดยใช้ฟังก์ชัน 'torch.tensor()'
หากต้องการแปลงอาร์เรย์ NumPy เป็น PyTorch tensor ผู้ใช้สามารถใช้ฟังก์ชัน “torch.tensor()” ได้ คำแนะนำทีละขั้นตอนได้รับด้านล่าง:
ขั้นตอนที่ 1: นำเข้าไลบรารี
ขั้นแรก นำเข้าสิ่งที่จำเป็น “ คบเพลิง ' และ ' มากมาย ” ห้องสมุด:
นำเข้า มีจำนวนเท่ากับ np
ขั้นตอนที่ 2: สร้างอาร์เรย์ NumPy
หลังจากนั้นให้สร้างอาร์เรย์ NumPy ตัวอย่างเช่น เราได้สร้างอาร์เรย์ NumPy ต่อไปนี้และเก็บไว้ใน ' num_array ' ตัวแปร:
ขั้นตอนที่ 3: แปลงอาร์เรย์ NumPy เป็น PyTorch Tensor
จากนั้นแปลงอาร์เรย์ NumPy เป็น PyTorch tensor ผ่านทาง ' คบเพลิง from_numpy() ” และเก็บมันไว้ในตัวแปร ที่นี่เราได้ใช้ “ ไพ_เทนเซอร์ ” ตัวแปรเพื่อจัดเก็บอาร์เรย์ NumPy ที่แปลงแล้ว:
ขั้นตอนที่ 4: พิมพ์ผลงาน
สุดท้ายก็พิมพ์ “ไพ_เทนเซอร์” เทนเซอร์:
เมื่อทำเช่นนี้ อาร์เรย์ NumPy จะถูกแปลงเป็นเมตริกซ์ PyTorch:
บันทึก : คุณสามารถเข้าถึง Google Colab Notebook ของเราได้ที่นี้ ลิงค์ .
เราได้อธิบายวิธีการแปลงอาร์เรย์ NumPy เป็น PyTorch tensor ได้อย่างมีประสิทธิภาพ
บทสรุป
หากต้องการแปลง/แปลงอาร์เรย์ NumPy เป็น PyTorch tensor ให้นำเข้าไลบรารีที่จำเป็นก่อน จากนั้นสร้างอาร์เรย์ NumPy แบบง่ายและจัดเก็บไว้ในตัวแปรเฉพาะ หลังจากนั้นให้ใช้เครื่องหมาย “ คบเพลิง from_numpy() ' หรือ ' คบเพลิง.เทนเซอร์() ” เพื่อแปลงอาร์เรย์ NumPy ให้เป็น PyTorch tensor แล้วพิมพ์ออกมา บล็อกนี้ได้อธิบายสองวิธีในการแปลง/แปลงอาร์เรย์ NumPy ให้เป็น PyTorch tensor