如何将 NumPy 数组转换为张量？

NumPy 是一个流行的 Python 库，用于数值计算和科学计算，它提供了一个强大的数组对象来处理大型和多维数组。但是，在机器学习、深度学习和神经网络方面，PyTorch 是一个广泛使用的库，它为构建和训练这些模型提供了高效且灵活的平台。

虽然 NumPy 数组和 PyTorch 张量在许多方面相似，但它们具有不同的属性和方法，这使得在使用 PyTorch 进行机器学习应用时，需要将 NumPy 数组转换为 PyTorch 张量。在本文中，我们将探讨将 NumPy 数组转换为 PyTorch 张量的过程，并讨论一些可能需要进行此转换的用例。我们还将通过一个简单的代码示例演示如何执行此转换。

以下两种方法可以将 NumPy 数组转换为 PyTorch 张量

方法 1：使用 torch.tensor()

  • 导入必要的库 - PyTorch 和 NumPy

  • 创建一个要转换为 PyTorch 张量的 NumPy 数组

  • 使用 torch.tensor() 方法将 NumPy 数组转换为 PyTorch 张量

  • 可以选择指定 dtype 参数以确保张量具有所需的的数据类型

  • 生成的张量将与原始 NumPy 数组具有相同的形状和数据类型。

请考虑以下代码。

示例

# Import the necessary libraries
import torch
import numpy as np

# Create a Numpy array
numpy_array = np.array([1, 2, 3])

# Convert Numpy array to Tensor using torch.tensor()
tensor = torch.tensor(numpy_array)

# Print the original Numpy array and the resulting Tensor
print("Numpy array:", numpy_array)
print("Tensor:", tensor)

解释

在此示例中，我们首先导入必要的库 - PyTorch 和 NumPy。然后我们创建一个简单的 1D NumPy 数组。然后我们使用 torch.tensor() 方法将 NumPy 数组转换为 PyTorch 张量，并将生成的张量存储在变量 tensor 中。最后，我们打印原始 NumPy 数组和生成的张量以验证转换是否成功。

输出

Numpy array: [1 2 3]
Tensor: tensor([1, 2, 3])

方法 2：使用 torch.from_numpy()

  • 导入必要的库 - PyTorch 和 NumPy

  • 创建一个要转换为 PyTorch 张量的 NumPy 数组

  • 使用 torch.from_numpy() 方法将 NumPy 数组转换为 PyTorch 张量

  • 生成的张量将与原始 NumPy 数组共享相同的基础数据，这在处理大型数据集时对于内存效率非常有用。

  • 可以选择指定 dtype 参数以确保张量具有所需的的数据类型。

请考虑以下代码。

示例

 # Import the necessary libraries
import torch
import numpy as np

# Create a Numpy array
numpy_array = np.array([1, 2, 3])

# Convert Numpy array to Tensor using torch.from_numpy()
tensor = torch.from_numpy(numpy_array)

# Print the original Numpy array and the resulting Tensor
print("Numpy array:", numpy_array)
print("Tensor:", tensor)

解释

在此示例中，我们首先导入必要的库 - PyTorch 和 NumPy。然后我们创建一个简单的 1D NumPy 数组。然后我们使用 torch.from_numpy() 方法将 NumPy 数组转换为 PyTorch 张量，并将生成的张量存储在变量 tensor 中。最后，我们打印原始 NumPy 数组和生成的张量以验证转换是否成功。

注意：关于此方法，需要注意的一点是，生成的张量将与原始 NumPy 数组共享相同的基础数据。这意味着对张量所做的任何更改也会影响原始 NumPy 数组，反之亦然。这在处理大型数据集时对于内存效率非常有用，但也意味着在修改 NumPy 数组或 PyTorch 张量中的数据时需要小心。

输出

Numpy array: [1 2 3]
Tensor: tensor([1, 2, 3])

结论

总之，将 NumPy 数组转换为 PyTorch 张量是许多机器学习和深度学习项目中简单且必要的步骤。在本文中，我们讨论了完成此任务的两种方法 - 使用 torch.tensor() 和 torch.from_numpy()。这两种方法都非常简单有效，在它们之间进行选择可能取决于项目的具体需求。

更新于： 2023年8月3日

6K+ 阅读量

启动你的 职业生涯

通过完成课程获得认证

开始学习
广告