La bibliothèque NumPy ne prend pas en charge l'accélération GPU par défaut. Cela signifie que les opérations NumPy sont limitées par la mémoire et la vitesse du processeur. C'est un inconvénient pour l'analyse de données à grande échelle et les calculs complexes. Cependant, les tenseurs PyTorch utilisent le GPU pour accélérer les calculs numériques. Ceci est essentiel pour les applications d’apprentissage profond où les données sont énormes. Les utilisateurs peuvent convertir le tableau NumPy en tenseur PyTorch pour profiter de cette fonctionnalité et améliorer les performances des modèles d'apprentissage automatique.
Ce blog illustrera les méthodes pour transformer le tableau NumPy en un tenseur PyTorch.
Comment convertir/transformer en tableau NumPy en tenseur PyTorch ?
Pour convertir/transformer le tableau NumPy en tenseur PyTorch, deux méthodes peuvent être utilisées :
- Méthode 1 : Utilisation de la fonction « torch.from_numpy() »
- Méthode 2 : Utilisation de la fonction « torch.tensor() »
Méthode 1 : convertir/transformer le tableau NumPy en tenseur PyTorch à l'aide de la fonction « torch.from_numpy() »
Pour transformer le tableau NumPy en tenseur PyTorch, les utilisateurs peuvent utiliser la fonction « torch.from_numpy() ». Les instructions étape par étape sont données ci-dessous :
Étape 1 : Importer les bibliothèques nécessaires
Tout d’abord, importez les bibliothèques « torch » et « numpy » souhaitées :
importer torche #importation de la bibliothèque de torches
importer numpy en tant que np #importation de la bibliothèque NumPy
Étape 2 : créer un tableau NumPy
Ensuite, créez un simple tableau NumPy. Par exemple, nous avons créé le tableau NumPy suivant et l'avons stocké dans un « num_array 'variable :
Étape 3 : Transformer le tableau Numpy en un tenseur PyTorch
Maintenant, utilisez le ' torche.from_numpy() ' pour transformer le tableau NumPy créé ci-dessus en un tenseur PyTorch et le stocker dans une variable. Ici, nous avons utilisé le « Py_tensor ' Variable pour stocker le tableau NumPy converti :
Py_tensor = torche. à partir de_numpy ( num_array )
Étape 4 : Imprimer la sortie
Enfin, imprimez « Py_tensor ' Tenseur :
Cela a converti le tableau NumPy en un tenseur PyTorch :
Note : Si un utilisateur utilise la fonction « torch.from_numpy() » pour transformer le tableau NumPy en un tenseur PyTorch, le tenseur PyTorch résultant sera lié au tableau Numpy d'origine et utilisera la même mémoire. Par conséquent, toute modification apportée/appliquée au tenseur aura également un impact sur le tableau réel. Pour éviter ce comportement, utilisez la fonction « torch.tensor() ».
Méthode 2 : convertir/transformer un tableau NumPy en tenseur PyTorch à l'aide de la fonction « torch.tensor() »
Pour transformer le tableau NumPy en tenseur PyTorch, les utilisateurs peuvent utiliser la fonction « torch.tensor() ». Les instructions étape par étape sont données ci-dessous :
Étape 1 : Importer des bibliothèques
Tout d’abord, importez le « nécessaire » torche ' et ' numpy « bibliothèques :
importer numpy comme np
Étape 2 : créer un tableau NumPy
Après cela, créez un tableau NumPy. Par exemple, nous avons créé le tableau NumPy suivant et l'avons stocké dans un « num_array 'variable :
Étape 3 : Transformer le tableau NumPy en un tenseur PyTorch
Ensuite, transformez le tableau NumPy en un tenseur PyTorch via le « torche.from_numpy() ' et stockez-le dans une variable. Ici, nous avons utilisé le « Py_tensor ' Variable pour stocker le tableau NumPy converti :
Étape 4 : Imprimer la sortie
Enfin, imprimez 'Py_tensor' tenseur :
Ce faisant, le tableau NumPy a été converti en un tenseur PyTorch :
Note : Vous pouvez accéder à notre bloc-notes Google Colab à cette adresse lien .
Nous avons expliqué efficacement les méthodes de transformation du tableau NumPy en un tenseur PyTorch.
Conclusion
Pour convertir/transformer le tableau NumPy en un tenseur PyTorch, importez d'abord les bibliothèques nécessaires. Ensuite, créez un simple tableau NumPy et stockez-le dans une variable particulière. Après cela, utilisez le ' torche.from_numpy() ' ou ' torche.tensor() » pour transformer le tableau NumPy en un tenseur PyTorch et l'imprimer. Ce blog a illustré deux méthodes pour convertir/transformer le tableau NumPy en un tenseur PyTorch.