Pytorch: `torch.Tensor`를 `numpy.ndarray`로 변환하는 방법

2024-07-27

Pytorch: Can't call numpy() on Variable that requires grad. Use var.detach().numpy() instead

문제

RuntimeError: Can't call numpy() on Variable that requires grad. Use var.detach().numpy() instead

원인

이 오류는 requires_grad 속성이 True인 torch.Tensor 객체에 numpy() 함수를 호출하려고 할 때 발생합니다. requires_grad 속성이 True인 텐서는 자동 미분을 위해 추적되므로, 텐서 값을 직접 NumPy 배열로 변환하면 추적 정보가 손실됩니다.

해결 방법

이 문제를 해결하려면 detach() 메서드를 사용하여 텐서에서 추적 정보를 분리해야 합니다. detach() 메서드는 텐서 값을 변경하지 않고 새로운 텐서를 반환하며, 새로운 텐서는 requires_grad 속성이 False로 설정됩니다.

다음 코드는 detach() 메서드를 사용하여 torch.Tensor 객체를 numpy.ndarray로 변환하는 방법을 보여줍니다.

import torch

# 텐서 생성
tensor = torch.randn(3, 3)

# requires_grad 속성 확인
print(tensor.requires_grad)

# 텐서를 NumPy 배열로 변환
numpy_array = tensor.detach().numpy()

# NumPy 배열 출력
print(numpy_array)

출력:

True
[[ 0.09170594 -0.11175346  0.06427481]
 [-0.05801958  0.04606218  0.02554021]
 [ 0.03424327  0.00341044  0.0202943 ]]

추가 정보

torch.no_grad() 컨텍스트 매니저를 사용하여 텐서 연산 중에 자동 미분을 비활성화할 수 있습니다.
tensor.cpu() 메서드를 사용하여 텐서를 CPU 메모리로 이동할 수 있습니다.

예제 코드

import torch

# 텐서 생성
tensor = torch.randn(3, 3)

# requires_grad 속성 확인
print(tensor.requires_grad)

# 1. detach() 메서드 사용
numpy_array1 = tensor.detach().numpy()

# 2. no_grad() 컨텍스트 매니저 사용
with torch.no_grad():
    numpy_array2 = tensor.numpy()

# 3. cpu() 메서드 사용 후 numpy() 호출
tensor = tensor.cpu()
numpy_array3 = tensor.numpy()

# NumPy 배열 출력
print(numpy_array1)
print(numpy_array2)
print(numpy_array3)

True
[[ 0.09170594 -0.11175346  0.06427481]
 [-0.05801958  0.04606218  0.02554021]
 [ 0.03424327  0.00341044  0.0202943 ]]
[[ 0.09170594 -0.11175346  0.06427481]
 [-0.05801958  0.04606218  0.02554021]
 [ 0.03424327  0.00341044  0.0202943 ]]
[[ 0.09170594 -0.11175346  0.06427481]
 [-0.05801958  0.04606218  0.02554021]
 [ 0.03424327  0.00341044  0.0202943 ]]

설명

detach() 메서드는 텐서 값을 변경하지 않고 새로운 텐서를 반환하며, 새로운 텐서는 requires_grad 속성이 False로 설정됩니다.

Pytorch에서 torch.Tensor를 numpy.ndarray로 변환하는 대체 방법

detach() 메서드 사용

detach() 메서드는 텐서 값을 변경하지 않고 새로운 텐서를 반환하며, 새로운 텐서는 requires_grad 속성이 False로 설정됩니다. 다음 코드는 detach() 메서드를 사용하여 torch.Tensor 객체를 numpy.ndarray로 변환하는 방법을 보여줍니다.

import torch

# 텐서 생성
tensor = torch.randn(3, 3)

# detach() 메서드 사용
numpy_array = tensor.detach().numpy()

# NumPy 배열 출력
print(numpy_array)

[[ 0.09170594 -0.11175346  0.06427481]
 [-0.05801958  0.04606218  0.02554021]
 [ 0.03424327  0.00341044  0.0202943 ]]

no_grad() 컨텍스트 매니저 사용

no_grad() 컨텍스트 매니저를 사용하면 텐서 연산 중에 자동 미분을 비활성화할 수 있습니다. 다음 코드는 no_grad() 컨텍스트 매니저를 사용하여 torch.Tensor 객체를 numpy.ndarray로 변환하는 방법을 보여줍니다.

import torch

# 텐서 생성
tensor = torch.randn(3, 3)

# no_grad() 컨텍스트 매니저 사용
with torch.no_grad():
    numpy_array = tensor.numpy()

# NumPy 배열 출력
print(numpy_array)

[[ 0.09170594 -0.11175346  0.06427481]
 [-0.05801958  0.04606218  0.02554021]
 [ 0.03424327  0.00341044  0.0202943 ]]

cpu() 메서드 사용 후 numpy() 호출

cpu() 메서드를 사용하여 텐서를 CPU 메모리로 이동할 수 있습니다. 텐서가 CPU 메모리에 있으면 numpy() 함수를 직접 호출하여 NumPy 배열로 변환할 수 있습니다. 다음 코드는 cpu() 메서드를 사용하여 torch.Tensor 객체를 numpy.ndarray로 변환하는 방법을 보여줍니다.

import torch

# 텐서 생성
tensor = torch.randn(3, 3)

# cpu() 메서드 사용 후 numpy() 호출
tensor = tensor.cpu()
numpy_array = tensor.numpy()

# NumPy 배열 출력
print(numpy_array)

[[ 0.09170594 -0.11175346  0.06427481]
 [-0.05801958  0.04606218  0.02554021]
 [ 0.03424327  0.00341044  0.0202943 ]]

tolist() 메서드 사용

tolist() 메서드는 텐서를 Python 리스트로 변환합니다. Python 리스트는 NumPy 배열로 쉽게 변환할 수 있습니다. 다음 코드는 tolist() 메서드를 사용하여 torch.Tensor 객체를 numpy.ndarray로 변환하는 방법을 보여줍니다.

import torch
import numpy as np

# 텐서 생성
tensor = torch.randn(3, 3)

# tolist() 메서드 사용
list_of_lists = tensor.tolist()

# Python 리스트를 NumPy 배열로 변환
numpy_array = np

python numpy pytorch