NumPyのndarrayとPyTorchのTensorを相互変換する方法をわかりやすく解説

PyTorchのテンソル（Tensor）は、numpy.ndarrayに非常によく似たデータ構造です。両者の大きな違いは、テンソルがGPUを活用して数値計算を高速化できる点にあります。

numpy.ndarrayからPyTorchテンソルへの変換にはtorch.from_numpy()関数を使用し、逆にPyTorchテンソルからnumpy.ndarrayへの変換には.numpy()メソッドを使用します。

変換の手順

• 必要なライブラリをインポートします。ここではtorchとnumpyが必要です。

• numpy.ndarrayまたはPyTorchテンソルを作成します。

• torch.from_numpy()関数でnumpy.ndarrayをテンソルに変換するか、.numpy()メソッドでテンソルをnumpy.ndarrayに変換します。

• 最後に、変換後のテンソルまたはnumpy.ndarrayを出力して確認します。

例1：numpy.ndarrayからPyTorchテンソルへの変換

次のPythonプログラムは、numpy.ndarrayをPyTorchテンソルに変換します。

# ライブラリをインポート
import torch
import numpy as np

# numpy.ndarray「a」を作成
a = np.array([[1,2,3],[2,1,3],[2,3,5],[5,6,4]])
print("a:\n", a)

print("a の型 :\n", type(a))
# numpy.ndarray をテンソルに変換
t = torch.from_numpy(a)
print("t:\n", t)
print("変換後の型:\n", type(t))

出力結果

上記のコードを実行すると、以下の出力が得られます。

a:
[[1 2 3]
[2 1 3]
[2 3 5]
[5 6 4]]
a の型 :
<class 'numpy.ndarray'>
t:
tensor([[1, 2, 3],
        [2, 1, 3],
        [2, 3, 5],
        [5, 6, 4]], dtype=torch.int32)
変換後の型:
<class 'torch.Tensor'>

例2：PyTorchテンソルからnumpy.ndarrayへの変換

次のPythonプログラムは、PyTorchテンソルをnumpy.ndarrayに変換します。

# ライブラリをインポート
import torch
import numpy

# テンソル「t」を作成
t = torch.Tensor([[1,2,3],[2,1,3],[2,3,5],[5,6,4]])
print("t:\n", t)
print("t の型 :\n", type(t))

# テンソルをnumpy.ndarrayに変換
a = t.numpy()
print("a:\n", a)
print("変換後の型:\n", type(a))

出力結果

上記のコードを実行すると、以下の出力が得られます。

t:
tensor([[1., 2., 3.],
        [2., 1., 3.],
        [2., 3., 5.],
        [5., 6., 4.]])
t の型 :
<class 'torch.Tensor'>
a:
[[1. 2. 3.]
[2. 1. 3.]
[2. 3. 5.]
[5. 6. 4.]]
変換後の型:
<class 'numpy.ndarray'>

補足：相互変換時の注意点

torch.from_numpy()で作成されたテンソルは元のNumPy配列とメモリを共有するため、一方を変更すると他方にも影響します。独立したコピーが必要な場合はclone()メソッドを使いましょう。また、GPU上にあるテンソルをNumPy配列に変換する場合は、先に.cpu()メソッドでCPU側に移動させてから.numpy()を呼び出す必要があります。