La biblioteca NumPy no admite la aceleración de GPU de forma predeterminada. Esto significa que las operaciones de NumPy están limitadas por la memoria y la velocidad de la CPU. Es un inconveniente para el análisis de datos a gran escala y los cálculos complejos. Sin embargo, los tensores de PyTorch utilizan GPU para acelerar los cálculos numéricos. Esto es esencial para aplicaciones de aprendizaje profundo donde los datos son enormes. Los usuarios pueden convertir la matriz NumPy en un tensor de PyTorch para aprovechar esta característica y mejorar el rendimiento de los modelos de aprendizaje automático.
Este blog ilustrará los métodos para transformar la matriz NumPy en un tensor de PyTorch.
¿Cómo convertir/transformar una matriz NumPy en un tensor PyTorch?
Para convertir/transformar la matriz NumPy en un tensor de PyTorch, se pueden utilizar dos métodos:
- Método 1: uso de la función “torch.from_numpy()”
- Método 2: uso de la función “torch.tensor()”
Método 1: convertir/transformar matriz NumPy en tensor PyTorch usando la función “torch.from_numpy()”
Para transformar la matriz NumPy en tensor de PyTorch, los usuarios pueden usar la función 'torch.from_numpy()'. Las instrucciones paso a paso se dan a continuación:
Paso 1: Importe las bibliotecas necesarias
Primero, importe las bibliotecas 'antorcha' y 'numpy' deseadas:
importar antorcha #importando biblioteca de antorchas
importar numpy como np #importando la biblioteca NumPy
Paso 2: crea una matriz NumPy
Luego, crea una matriz NumPy simple. Por ejemplo, hemos creado la siguiente matriz NumPy y la hemos almacenado en un ' número_matriz ' variable:
Paso 3: transformar la matriz Numpy en un tensor de PyTorch
Ahora, usa el ' antorcha.from_numpy() ”Función para transformar la matriz NumPy creada anteriormente en un tensor de PyTorch y almacenarla en una variable. Aquí hemos utilizado el “ Py_tensor ”variable para almacenar la matriz NumPy convertida:
Py_tensor = antorcha. de_numpy ( número_matriz )
Paso 4: Imprimir salida
Finalmente, imprima “ Py_tensor 'tensor:
Esto ha convertido la matriz NumPy en un tensor de PyTorch:
Nota : Si un usuario usa la función “torch.from_numpy()” para transformar la matriz NumPy en un tensor de PyTorch, el tensor de PyTorch resultante se vinculará a la matriz Numpy original y usará la misma memoria. Por lo tanto, cualquier cambio realizado/aplicado al tensor también tendrá un impacto en la matriz real. Para evitar este comportamiento, utilice la función 'torch.tensor()'.
Método 2: Convertir/Transformar matriz NumPy a tensor PyTorch usando la función “torch.tensor()”
Para transformar la matriz NumPy en un tensor de PyTorch, los usuarios pueden usar la función 'torch.tensor()'. Las instrucciones paso a paso se dan a continuación:
Paso 1: importar bibliotecas
Primero, importe lo necesario” antorcha ' y ' engordado “Bibliotecas:
importar numpy como np
Paso 2: crea una matriz NumPy
Después de eso, crea una matriz NumPy. Por ejemplo, hemos creado la siguiente matriz NumPy y la hemos almacenado en un ' número_matriz ' variable:
Paso 3: transformar la matriz NumPy en un tensor de PyTorch
Luego, transforme la matriz NumPy en un tensor de PyTorch mediante el comando ' antorcha.from_numpy() ”Función y guárdela en una variable. Aquí hemos utilizado el “ Py_tensor ”variable para almacenar la matriz NumPy convertida:
Paso 4: Imprimir salida
Por último, imprima “Py_tensor” tensor:
Al hacerlo, la matriz NumPy se ha convertido en un tensor de PyTorch:
Nota : Puede acceder a nuestro Google Colab Notebook en este enlace .
Hemos explicado de manera eficiente los métodos para transformar la matriz NumPy en un tensor de PyTorch.
Conclusión
Para convertir/transformar la matriz NumPy en un tensor de PyTorch, primero importe las bibliotecas necesarias. Luego, cree una matriz NumPy simple y guárdela en una variable particular. Después de eso, use el botón ' antorcha.from_numpy() ' o ' antorcha.tensor() ”Función para transformar la matriz NumPy en un tensor de PyTorch e imprimirla. Este blog ha ilustrado dos métodos para convertir/transformar la matriz NumPy en un tensor de PyTorch.