Pytorch: UserWarning: Creating a tensor from a list of numpy.ndarrays is extremely slow.

本文探讨了将包含numpy数组的list转换为PyTorch Tensor的两种方法,指出当list中包含ndarrays时,先转换为numpy数组再转成Tensor速度更快;而若list中无ndarrays,直接转成Tensor更优。实验数据显示,对于不含ndarrays的list,list->tensor比list->numpy->tensor快;对于含ndarrays的list,list->numpy->tensor则显著优于list->tensor。解决UserWarning的最佳实践是使用torch.tensor(np.array(list))。
部署运行你感兴趣的模型镜像

参考链接:list转tensor的不同方式对比

报错:

UserWarning: Creating a tensor from a list of numpy.ndarrays is extremely slow. Please consider converting the list to a single numpy.ndarray with numpy.array() before converting to a tensor.

结论:

如果 list 中有 ndarrays,则选择 list->ndarrays->tensor 更快;

如果 list 中没有 ndarrays,则选择 list->tensor 更快。

因此修改为:

# 修改前
x_train = torch.Tensor([binary_encode(number) for number in range(101, 1024)])	# 把数转成10位二进制
# 修改后
x_train = torch.Tensor(np.array([binary_encode(number) for number in range(101, 1024)]))

实验对比可以看list转tensor的不同方式对比

总结

(1) 对于不含 numpy.ndarrays 的 list而言,list->tensor 明显快于 list->numpy.ndarrays->tensor (1.7s<2.5s);

(2) 对于含有 numpy.ndarrays 的 list而言,list->numpy.ndarrays->tensor 明显快于 list->tensor (18.8s<41.2s)。

若想解决文章开头提示的 userWarning,只需要将含有 ndarrays 的 list 进行 torch.tensor(np.array(list)) 即可。

您可能感兴趣的与本文相关的镜像

Python3.9

Python3.9

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值