Numpy ndarray とPyTorch tensor間のclass/データ変換について

Question

データ量の大きいmatrix や画像データの場合、NumPy とPyTorch間のデータ(class)変換を行う方式について確認したいですが、pythonにまだ不慣れなので方法を教えていただけませんか。
ここで「データ変換方式」または「class変換方式」というのは、データの本体をcopyするかどうかという意味です。
データ本体のアドレスをそのまま利用してのデータ変換とデータ本体のためのメモリを新規確保し、データ本体を複製して変換する場合と実行速度が全然違いますね！

どうぞ宜しくお願いします

Comments

[melian]

Pytorch tensor と numpy ndarray の変換
https://tzmi.hatenablog.com/entry/2020/02/16/170928

[inception]

有難うございます
copy()やclone()を付けなければ、NumpyとTorchの間でのデータ変換前後のメモリは共有しているのを確認できました。
片一方を変えたら、もう一方も変わります。

Answer 1

【TENSOR　→　ndarray】
TORCH.TENSOR.NUMPY

引数force が False（デフォルト）の場合、条件が揃えば 返された ndarray とテンソルはストレージを共有するとのことです。

If force is False (the default), the conversion is performed only if the tensor is on the CPU, does not require grad, does not have its conjugate bit set, and is a dtype and layout that NumPy supports. The returned ndarray and the tensor will share their storage, so changes to the tensor will be reflected in the ndarray and vice versa.

【ndarray　→　TENSOR】
TORCH.FROM_NUMPY

返されたテンソルと ndarray は同じメモリを共有するとのことです。

The returned tensor and ndarray share the same memory. Modifications to the tensor will be reflected in the ndarray and vice versa. The returned tensor is not resizable.

Comments

[inception]

お丁寧なご回答ありがとうございます。
奥深いですね、良い勉強になりました！
ただ、前段の英文の中の『If force is False (the default), the conversion is performed only if the tensor is on the CPU, 、、、、』について
当たり前のような話で、逆に "If force is True"はどうなるのでしょうか。

[meg_]

リンク先はご覧になりましたか？ドキュメントの記載は下記です。

If force is True this is equivalent to calling t.detach().cpu().resolve_conj().resolve_neg().numpy(). If the tensor isn’t on the CPU or the conjugate or negative bit is set, the tensor won’t share its storage with the returned ndarray. Setting force to True can be a useful shorthand.

[inception]

ご回答本当にありがとうございます。

ごめんなさい！！
馬鹿なミスをしました❣
本来質問したいのは、
「逆に "If force is NOT True"はどうなるのでしょうか。」でした。

大変申し訳ございませんでした。　

[meg_]

> 「逆に "If force is NOT True"はどうなるのでしょうか。」でした。
何をお聞きになりたいのでしょうか？パラメータ値にTrue, False以外のものを設定することに意味はないかと思います。