একটি PyTorch টেনসর numpy.ndarray-এর মতো। এই দুটির পার্থক্য হল একটি টেনসর GPUs ব্যবহার করে সংখ্যাগত 계산을 দ্রুত করে। আমরা torch.from_numpy() ফাংশন ব্যবহার করে একটি numpy.ndarray-কে PyTorch টেনসরে রূপান্তর করি। এবং একটি টেনসরকে .numpy() পদ্ধতি ব্যবহার করে numpy.ndarray-এ রূপান্তর করি।
পদক্ষেপসমূহ
প্রয়োজনীয় লাইব্রেরি আমদানি করুন। এখানে, প্রয়োজনীয় লাইব্রেরিগুলি হল torch এবং numpy।
একটি numpy.ndarray বা একটি PyTorch টেনসর তৈরি করুন।
torch.from_numpy() ফাংশন ব্যবহার করে numpy.ndarray-কে PyTorch টেনসরে রূপান্তর করুন বা .numpy() পদ্ধতি ব্যবহার করে PyTorch টেনসরকে numpy.ndarray-এ রূপান্তর করুন।
অবশেষে, রূপান্তরিত টেনসর বা numpy.ndarray প্রিন্ট করুন।
উদাহরণ ১
নিচের পাইথন প্রোগ্রামটি একটি numpy.ndarray-কে PyTorch টেনসরে রূপান্তর করে।
# লাইব্রেরি আমদানি করুন import torch import numpy as np # একটি numpy.ndarray "a" তৈরি করুন a = np.array([[1,2,3],[2,1,3],[2,3,5],[5,6,4]]) print("a:\n", a) print("a-এর টাইপ:\n", type(a)) # numpy.ndarray কে টেনসরে রূপান্তর করুন t = torch.from_numpy(a) print("t:\n", t) print("রূপান্তরের পর টাইপ:\n", type(t))আউটপুট
যখন আপনি উপরের কোডটি চালাবেন, তবে নিচের আউটপুটটি উৎপন্ন হবে
a: [[1 2 3] [2 1 3] [2 3 5] [5 6 4]] Type of a :t: tensor([[1, 2, 3], [2, 1, 3], [2, 3, 5], [5, 6, 4]], dtype=torch.int32) Type after conversion:
উদাহরণ ২
নিচের পাইথন প্রোগ্রামটি একটি PyTorch টেনসরকে numpy.ndarray-এ রূপান্তর করে।
# লাইব্রেরি আমদানি করুন import torch import numpy # একটি টেনসর "t" তৈরি করুন t = torch.Tensor([[1,2,3],[2,1,3],[2,3,5],[5,6,4]]) print("t:\n", t) print("t-এর টাইপ:\n", type(t)) # টেনসরকে numpy.ndarray-এ রূপান্তর করুন a = t.numpy() print("a:\n", a) print("রূপান্তরের পর টাইপ:\n", type(a))আউটপুট
যখন আপনি উপরের কোডটি চালাবেন, তবে নিচের আউটপুটটি উৎপন্ন হবে
t: tensor([[1., 2., 3.], [2., 1., 3.], [2., 3., 5.], [5., 6., 4.]]) Type of t :a: [[1. 2. 3.] [2. 1. 3.] [2. 3. 5.] [5. 6. 4.]] Type after conversion:
