pytorch tensor 와 ndarray 변환 에 관 한 정 리 를 자세히 설명 합 니 다.
1.tensor cpu 와 tensor gpu 사이 의 전환:
tensor cpu 에서 tensor gpu 로 전환:
tensor_gpu = tensor_cpu.cuda()
>>> tensor_cpu = torch.ones((2,2))
tensor([[1., 1.],
[1., 1.]])
>>> tensor_gpu = tensor_cpu.cuda()
tensor([[1., 1.],
[1., 1.]], device='cuda:0')
tensor_cpu = tensor_gpu.cuda()
>>> tensor_gpu.cpu()
tensor([[1., 1.],
[1., 1.]])
tensor cpu 에서 ndarray 로 전환:
>>> np_array= tensor_cpu.numpy()
array([[1., 1.],
[1., 1.]], dtype=float32)
주:ndarray 의 기본 정밀 도 는 64 비트,Tensor 의 기본 정밀 도 는 32 비트 이기 때문에 Tensor 를 통 해 직접 변환 하면 정밀 도 는 32 비트 로 변 환 됩 니 다.fromnumpy 방식 은 원래 64 비트 정 도 를 유지 합 니 다.
>>> torch.from_numpy(np.ones((2,2)))
tensor([[1., 1.],
[1., 1.]], dtype=torch.float64)
>>> torch.Tensor(np.ones((2,2)))
tensor([[1., 1.],
[1., 1.]])간단 한 분류 네트워크 만 훈련 했다 면 하나의 견본 에 대한 출력 은 스칼라(scalar)일 것 이다.
>>>torch.ones((1,1)).item()
1.0
pytorch tensor 와 ndarray 변환 에 관 한 정 리 를 상세 하 게 설명 하 는 이 글 은 여기까지 입 니 다.더 많은 pytorch tensor 와 ndarray 변환 내용 은 우리 의 이전 글 을 검색 하거나 아래 의 관련 글 을 계속 찾 아 보 세 요.앞으로 많은 응원 부 탁 드 리 겠 습 니 다!
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
정확도에서 스케일링의 영향데이터셋 스케일링은 데이터 전처리의 주요 단계 중 하나이며, 데이터 변수의 범위를 줄이기 위해 수행됩니다. 이미지와 관련하여 가능한 최소-최대 값 범위는 항상 0-255이며, 이는 255가 최대값임을 의미합니다. 따...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.
좋은 웹페이지 즐겨찾기
