NumPy लाइब्रेरी डिफ़ॉल्ट रूप से GPU त्वरण का समर्थन नहीं करती है। इसका मतलब यह है कि NumPy संचालन मेमोरी और CPU गति से बाधित है। यह बड़े पैमाने पर डेटा विश्लेषण और जटिल गणनाओं के लिए एक खामी है। हालाँकि, PyTorch टेंसर संख्यात्मक गणनाओं को तेज़ करने के लिए GPU का उपयोग करते हैं। यह गहन शिक्षण अनुप्रयोगों के लिए आवश्यक है जहां डेटा बहुत बड़ा है। उपयोगकर्ता इस सुविधा का लाभ उठाने और मशीन-लर्निंग मॉडल के प्रदर्शन को बढ़ाने के लिए NumPy सरणी को PyTorch टेंसर में परिवर्तित कर सकते हैं।
यह ब्लॉग NumPy सरणी को PyTorch टेंसर में बदलने के तरीकों का वर्णन करेगा।
NumPy Array को PyTorch Tensor में कैसे परिवर्तित/रूपांतरित करें?
NumPy सरणी को PyTorch टेंसर में बदलने/रूपांतरित करने के लिए, दो विधियों का उपयोग किया जा सकता है:
- विधि 1: 'torch.from_numpy()' फ़ंक्शन का उपयोग करना
- विधि 2: 'torch.tensor()' फ़ंक्शन का उपयोग करना
विधि 1: 'torch.from_numpy()' फ़ंक्शन का उपयोग करके NumPy Array को PyTorch Tensor में परिवर्तित/रूपांतरित करें
NumPy सरणी को PyTorch टेंसर में बदलने के लिए, उपयोगकर्ता 'torch.from_numpy()' फ़ंक्शन का उपयोग कर सकते हैं। चरण-दर-चरण निर्देश नीचे दिए गए हैं:
चरण 1: आवश्यक पुस्तकालय आयात करें
सबसे पहले, वांछित 'मशाल' और 'सुन्न' लाइब्रेरी आयात करें:
आयात मशाल # मशाल पुस्तकालय आयात करना
आयात एनपी के रूप में सुन्न #NumPy लाइब्रेरी आयात करना
चरण 2: एक NumPy सारणी बनाएं
फिर, एक सरल NumPy सरणी बनाएं। उदाहरण के लिए, हमने निम्नलिखित NumPy सारणी बनाई है और इसे “ num_array ' चर:
चरण 3: नम्पी ऐरे को पायटोरच टेंसर में बदलें
अब, 'का उपयोग करें मशाल.from_numpy() उपरोक्त निर्मित NumPy सरणी को PyTorch टेंसर में बदलने और इसे एक वेरिएबल में संग्रहीत करने के लिए फ़ंक्शन। यहां, हमने 'का उपयोग किया है Py_tensor परिवर्तित NumPy सरणी को संग्रहीत करने के लिए 'वेरिएबल:
Py_tensor = मशाल. from_numpy ( num_array )
चरण 4: आउटपुट प्रिंट करें
अंत में, प्रिंट करें ' Py_tensor ' टेंसर:
इसने NumPy सरणी को PyTorch टेंसर में बदल दिया है:
टिप्पणी : यदि कोई उपयोगकर्ता NumPy सरणी को PyTorch टेंसर में बदलने के लिए 'torch.from_numpy()' फ़ंक्शन का उपयोग करता है, तो परिणामी PyTorch टेंसर को मूल Numpy सरणी से जोड़ा जाएगा और उसी मेमोरी का उपयोग किया जाएगा। इसलिए, टेंसर पर किए गए/लागू किए गए किसी भी बदलाव का वास्तविक सरणी पर भी प्रभाव पड़ेगा। इस व्यवहार से बचने के लिए, 'torch.tensor()' फ़ंक्शन का उपयोग करें।
विधि 2: 'torch.tensor()' फ़ंक्शन का उपयोग करके NumPy Array को PyTorch Tensor में परिवर्तित/रूपांतरित करें
NumPy सरणी को PyTorch टेंसर में बदलने के लिए, उपयोगकर्ता 'torch.tensor()' फ़ंक्शन का उपयोग कर सकते हैं। चरण-दर-चरण निर्देश नीचे दिए गए हैं:
चरण 1: पुस्तकालय आयात करें
सबसे पहले, आवश्यक आयात करें ” मशाल ' और ' Numpy 'पुस्तकालय:
आयात एनपी के रूप में सुन्न
चरण 2: एक NumPy सारणी बनाएं
उसके बाद, एक NumPy ऐरे बनाएं। उदाहरण के लिए, हमने निम्नलिखित NumPy सारणी बनाई है और इसे “ num_array ' चर:
चरण 3: NumPy Array को PyTorch Tensor में बदलें
फिर, NumPy सरणी को 'के माध्यम से PyTorch टेंसर में बदलें' मशाल.from_numpy() 'फ़ंक्शन करें और इसे एक वेरिएबल में संग्रहीत करें। यहां, हमने 'का उपयोग किया है Py_tensor परिवर्तित NumPy सरणी को संग्रहीत करने के लिए 'वेरिएबल:
चरण 4: आउटपुट प्रिंट करें
अंत में, प्रिंट करें 'पाय_टेंसर' टेंसर:
ऐसा करने से, NumPy सरणी को PyTorch टेंसर में बदल दिया गया है:
टिप्पणी : आप यहां हमारे Google Colab नोटबुक तक पहुंच सकते हैं जोड़ना .
हमने NumPy सरणी को PyTorch टेंसर में बदलने की विधियों को कुशलतापूर्वक समझाया है।
निष्कर्ष
NumPy सरणी को PyTorch टेंसर में बदलने/रूपांतरित करने के लिए, पहले आवश्यक लाइब्रेरी आयात करें। फिर, एक सरल NumPy सरणी बनाएं और इसे एक विशेष वेरिएबल में संग्रहीत करें। उसके बाद, ' का उपयोग करें मशाल.from_numpy() ' या ' टॉर्च.टेंसर() 'NumPy सरणी को PyTorch टेंसर में बदलने और उसे प्रिंट करने का कार्य। इस ब्लॉग ने NumPy सरणी को PyTorch टेंसर में बदलने/रूपांतरित करने के दो तरीकों का वर्णन किया है।