एक PyTorch टेंसर numpy.ndarray . जैसा होता है . इन दोनों के बीच अंतर यह है कि एक टेंसर संख्यात्मक गणना में तेजी लाने के लिए GPU का उपयोग करता है। हम एक numpy.ndarray . को रूपांतरित करते हैं फ़ंक्शन का उपयोग करके एक PyTorch टेंसर के लिए torch.from_numpy() . और एक टेंसर को numpy.ndarray . में बदल दिया जाता है .numpy() . का उपयोग करके विधि।
कदम
-
आवश्यक पुस्तकालयों को आयात करें। यहां, आवश्यक पुस्तकालय मशाल और सुन्न . हैं ।
-
एक numpy.ndarray बनाएं या एक PyTorch टेंसर।
-
numpy.ndarray को रूपांतरित करें torch.from_numpy() . का उपयोग करके एक PyTorch टेंसर के लिए कार्य करें या PyTorch टेंसर को numpy.ndarray . में बदलें .numpy() . का उपयोग करके विधि।
-
अंत में, रूपांतरित टेंसर या numpy.ndarray print प्रिंट करें ।
उदाहरण 1
निम्नलिखित पायथन प्रोग्राम एक numpy.ndarray को रूपांतरित करता है एक PyTorch टेंसर के लिए।
# import the libraries
import torch
import numpy as np
# Create a numpy.ndarray "a"
a = np.array([[1,2,3],[2,1,3],[2,3,5],[5,6,4]])
print("a:\n", a)
print("Type of a :\n", type(a))
# Convert the numpy.ndarray to tensor
t = torch.from_numpy(a)
print("t:\n", t)
print("Type after conversion:\n", type(t)) आउटपुट
जब आप उपरोक्त कोड चलाते हैं, तो यह निम्न आउटपुट उत्पन्न करेगा
a: [[1 2 3] [2 1 3] [2 3 5] [5 6 4]] Type of a : <class 'numpy.ndarray'> t: tensor([[1, 2, 3], [2, 1, 3], [2, 3, 5], [5, 6, 4]], dtype=torch.int32) Type after conversion: <class 'torch.Tensor'>
उदाहरण 2
निम्नलिखित पायथन प्रोग्राम एक PyTorch टेंसर को numpy.ndarray . में परिवर्तित करता है ।
# import the libraries
import torch
import numpy
# Create a tensor "t"
t = torch.Tensor([[1,2,3],[2,1,3],[2,3,5],[5,6,4]])
print("t:\n", t)
print("Type of t :\n", type(t))
# Convert the tensor to numpy.ndarray
a = t.numpy()
print("a:\n", a)
print("Type after conversion:\n", type(a)) आउटपुट
जब आप उपरोक्त कोड चलाते हैं, तो यह निम्न आउटपुट उत्पन्न करेगा
t: tensor([[1., 2., 3.], [2., 1., 3.], [2., 3., 5.], [5., 6., 4.]]) Type of t : <class 'torch.Tensor'> a: [[1. 2. 3.] [2. 1. 3.] [2. 3. 5.] [5. 6. 4.]] Type after conversion: <class 'numpy.ndarray'>