torch.Storage

优质
小牛编辑
135浏览
2023-12-01

译者:yuange250

torch.Storage 跟绝大部分基于连续存储的数据结构类似,本质上是一个单一数据类型的一维连续数组(array)。

每一个 torch.Tensor 都有一个与之相对应的torch.Storage对象,两者存储数据的数据类型(data type)保持一致。

下面以数据类型为float的torch.FloatStorage 为例介绍一下torch.Storage的成员函数。

class torch.FloatStorage
byte()

byte()函数可以将此storage对象的数据类型转换为byte

char()

char()函数可以将此storage对象的数据类型转换为char

clone()

clone()函数可以返回一个此storage对象的复制

copy_()
cpu()

如果此storage对象一开始不在cpu设备上,调用cpu()函数返回此storage对象的一个cpu上的复制

cuda(device=None, non_blocking=False, **kwargs)

cuda()函数返回一个存储在CUDA内存中的复制,其中device可以指定cuda设备。 但如果此storage对象早已在CUDA内存中存储,并且其所在的设备编号与cuda()函数传入的device参数一致,则不会发生复制操作,返回原对象。

cuda()函数的参数信息:

  • device (int) – 指定的GPU设备id. 默认为当前设备,即 torch.cuda.current_device()的返回值。
  • non_blocking (bool) – 如果此参数被设置为True, 并且此对象的资源存储在固定内存上(pinned memory),那么此cuda()函数产生的复制将与host端的原storage对象保持同步。否则此参数不起作用。
  • **kwargs – 为了保证兼容性,也支持async参数,此参数的作用与no_blocking参数的作用完全相同,旧版本的遗留问题之一。
data_ptr()
double()

double()函数可以将此storage对象的数据类型转换为double

element_size()
fill_()
float()

float()函数可以将此storage对象的数据类型转换为float

static from_buffer()
static from_file(filename, shared=False, size=0) → Storage

对于from_file()函数,如果shared参数被设置为True, 那么此部分内存可以在进程间共享,任何对storage对象的更改都会被写入存储文件。 如果 shared 被置为 False, 那么在内存中对storage对象的更改则不会影响到储存文件中的数据。

size 参数是此storage对象中的元素个数。 如果shared被置为False, 那么此存储文件必须要包含size * sizeof(Type)字节大小的数据 (Type是此storage对象的数据类型)。 如果 shared 被置为 True,那么此存储文件只有在需要的时候才会被创建。

from_file()函数的参数:

  • filename (str) – 对应的存储文件名
  • shared (bool) – 是否共享内存
  • size (int) – 此storage对象中的元素个数
half()

half()函数可以将此storage对象的数据类型转换为half

int()

int()函数可以将此storage对象的数据类型转换为int

is_cuda = False
is_pinned()
is_shared()
is_sparse = False
long()

long()函数可以将此storage对象的数据类型转换为long

new()
pin_memory()

如果此storage对象还没有被存储在固定内存中,则pin_memory()函数可以将此storage对象存储到固定内存中

resize_()
share_memory_()

share_memory_()函数可以将此storage对象转移到共享内存中。

对于早已在共享内存中的storage对象,这个操作无效;对于存储在CUDA设备上的storage对象,无需移动即可实现此类对象在进程间的共享,所以此操作对于它们来说也无效。

在共享内存中存储的storage对象无法被更改大小。

share_memory_()函数返回值: self

short()

short()函数可以将此storage对象的数据类型转换为short

size()
tolist()

tolist()函数可以返回一个包含此storage对象所有元素的列表

type(dtype=None, non_blocking=False, **kwargs)

如果函数调用时没有提供dtype参数,则type()函数的调用结果是返回此storage对象的数据类型。如果提供了此参数,则将此storage对象转化为此参数指定的数据类型。如果所提供参数所指定的数据类型与当前storage对象的数据类型一致,则不会进行复制操作,将原对象返回。

type()函数的参数信息:

  • dtype (type or string) – 想要转化为的数据类型
  • non_blocking (bool) – 如果此参数被设置为True, 并且此对象的资源存储在固定内存上(pinned memory),那么此cuda()函数产生的复制将与host端的原storage对象保持同步。否则此参数不起作用。
  • **kwargs – 为了保证兼容性,也支持async参数,此参数的作用与no_blocking参数的作用完全相同,旧版本的遗留问题之一 (已经被deprecated)。

最后更新:

类似资料

  • 本文向大家介绍pytorch1.0中torch.nn.Conv2d用法详解,包括了pytorch1.0中torch.nn.Conv2d用法详解的使用技巧和注意事项,需要的朋友参考一下 Conv2d的简单使用 torch 包 nn 中 Conv2d 的用法与 tensorflow 中类似,但不完全一样。 在 torch 中,Conv2d 有几个基本的参数,分别是 in_channels 输入图像的深

  • 一个torch.Storage是一个单一数据类型的连续一维数组。 每个torch.Tensor都有一个对应的、相同数据类型的存储。 class torch.FloatStorage byte() 将此存储转为byte类型 char() 将此存储转为char类型 clone() 返回此存储的一个副本 copy_() cpu() 如果当前此存储不在CPU上,则返回一个它的CPU副本 cuda(dev

相关阅读