একটি PyTorch টেনসর হল numpy.ndarray এর মত . এই দুটির মধ্যে পার্থক্য হল যে একটি টেনসর সাংখ্যিক গণনাকে ত্বরান্বিত করতে GPU গুলি ব্যবহার করে। আমরা একটি numpy.ndarray রূপান্তর করি torch.from_numpy() ফাংশন ব্যবহার করে একটি PyTorch টেনসরে . এবং একটি টেনসর numpy.ndarray এ রূপান্তরিত হয় .numpy() ব্যবহার করে পদ্ধতি।
পদক্ষেপ
-
প্রয়োজনীয় লাইব্রেরি আমদানি করুন। এখানে, প্রয়োজনীয় লাইব্রেরি হল টর্চ এবং নাম্পি .
-
একটি numpy.ndarray তৈরি করুন৷ অথবা একটি PyTorch টেনসর।
-
numpy.ndarray রূপান্তর করুন torch.from_numpy() ব্যবহার করে একটি PyTorch টেনসরে ফাংশন বা PyTorch টেনসরকে numpy.ndarray-এ রূপান্তর করুন .numpy() ব্যবহার করে পদ্ধতি।
-
অবশেষে, রূপান্তরিত টেনসর বা numpy.ndarray প্রিন্ট করুন .
উদাহরণ 1
নিম্নলিখিত পাইথন প্রোগ্রামটি একটি numpy.ndarray রূপান্তর করে একটি PyTorch টেনসরে।
# 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)) আউটপুট
আপনি যখন উপরের কোডটি চালাবেন, তখন এটি নিম্নলিখিত আউটপুট তৈরি করবে
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'>
উদাহরণ 2
নিম্নলিখিত পাইথন প্রোগ্রামটি একটি PyTorch টেনসরকে numpy.ndarray-এ রূপান্তর করে .
# 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)) আউটপুট
আপনি যখন উপরের কোডটি চালাবেন, তখন এটি নিম্নলিখিত আউটপুট তৈরি করবে
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'>
