pytorch - tensor

逃离我推掉我的手 2022-12-03 12:59 378阅读 0赞

# 1 tensor概念 #

tensor是pyTorch的基本数据结构，可以表示任意维度的多维数组；

pyTorch tensor可以和Numpy array无缝的互操作，pyTorch tensor相对Numpy array的优点是：

*  tensor可以在Gpu上操作；
 *  tensor可以在多台设备上分布式运行；
 *  tensor可以记录其创建过程以便进行autograd操作。

python list或tuple中存储的是单独分配在内存中的python对象的集合，而numpy array和pytorch tensor中存储的是连续内存块的视图，该内存块中存储的是未封装的C语言数值类型；

# 2 tensor构造 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center]

# 3 tensor索引 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 1]  
`points[None]` 等价于对 points 添加一个新的维度，等价于 `points.unsqueeze(0)`;

# 4 Named tensor #

tensor的维度常用来进行索引，如表示像素位置或颜色channel。这意味着如果我们要对某个tensor进行索引，就需要记清各个维度的顺序，但如果某个tensor进行了很复杂的处理过程，往往很容易因为记混tensor的各个维度的含义而造成错误。

pytorch 1.3版本开始引入了named tensor，即给tensor的各个维度进行命名，如：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 2]  
**refine\_names** 函数用于对一个未命名的tensor添加name，如下所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 3]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 4]**align\_as**返回一个tensor，自动补充缺失的维度，并且按名字将维度调整为正确的顺序：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 5]tensor的那些按照维度进行操作的函数，如sum，**可以按照named维度进行操作**，如：

![在这里插入图片描述][20200903171515845.png_pic_center]  
如果想将名字不同的维度进行结合，会报错，如：  
![在这里插入图片描述][20200903171837318.png_pic_center]\*\*rename(None)\*\*可以去掉一个Named tensor的名字，如：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 6]**named tensor有助于消除维度对齐的错误。**

# 5 tensor支持的数据类型 #

为什么不用python原生的数据类型进行大规模的矩阵运算 ？

答案： python原生的数据类型都是封装过的数据，添加了引用计数这些信息，大规模计算时效率低。numpy array和pytorch tensor提供的api都是在底层封装的是C语言实现的数据计算，效率更高。

**pytorch tensor中存储的是同类型的数据，可以在构造函数中通过dtype指定创建的tensor的数据类型**。

pytorch中常用的数据类型有：

*  torch.float32 或 torch.float
 *  torch.float64 或 torch.double
 *  torch.float16 或 torch.half
 *  torch.int8
 *  torch.uint8
 *  torch.int16 或 torch.short
 *  torch.int32 或 torch.int
 *  torch.int64 或 torch.long
 *  torch.bool

**默认的数据类型是 32位单精度浮点数**。

CPU不支持半精度浮点数运算，但GPU支持，将单精度浮点数改为半精度浮点数，可以减少显存占用且对模型的准确率影响很小，这也是混合精度训练能够成功的原因。

下面的操作会创建一个bool类型的tensor：  
![在这里插入图片描述][20200904175432654.png_pic_center]  
**设定tensor的数据类型**：

*  **在构造函数中指定**；
 *  **使用to函数强制转换**；  
    ![在这里插入图片描述][2020090417564561.png_pic_center]

# 6 tensor是连续内存块的视图 #

**tensor是连续内存块的视图，通过offset和每一维的stride索引到实际的内存**。

**storage**函数用于查看一个tensor的实际存储，如：  
![在这里插入图片描述][20200904181140732.png_pic_center]  
**实际存储一定是连续的一维的内存序列**。

**改变storage中的数据之后，tensor的内容也会跟着改变**：  
![在这里插入图片描述][20200904181331868.png_pic_center]  
tensor的带下划线的函数，如zero\_都是对tensor进行in-place操作，直接修改了tensor本身。

**tensor的size()函数和shape属性查看tensor的各个维度的大小；storage\_offset函数查看tensor相比对实际存储的起始位置的距离；stride函数查看在tensor的每个维度上前移一位对应到实际存储上需要移动的位数**。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 7]2D tensor中第(i,j)个元素在实际存储中的位置为 storage\_offset + i \* stride\[0\] + j \* stride\[1\].

**tensor只是实际内存的视图，因此很多操作，如transpose和subtensor的效率很高，因为并未进行实际存储的改变，只是改变了tensor的属性(size,storage\_offset和stride)**。

**clone函数是深拷贝tensor，进行了新的内存分配**：  
![在这里插入图片描述][20200904182410320.png_pic_center]  
**contiguous函数是将一个tensor的存储变为连续队列**，如：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 8]z是y的转置，其存储对z来说是不连续的，执行contiguous函数后，存储对z来说变成连续的了。

# 7 转换tensor的存储位置 #

**构造函数中，通过device参数设置tensor存储在内存还是显存中**，如：  
![在这里插入图片描述][20200904183222668.png_pic_center]  
也可以**通过to函数强制改变tensor的存储位置**，如：  
![在这里插入图片描述][20200904183324422.png_pic_center]  
还可以**通过cuda、cpu函数改变存储位置**：  
![在这里插入图片描述][2020090418344579.png_pic_center]  
**cuda(1)表示传输到第二块显卡上，默认参数为0，表示传输到第一块显卡上**。

# 8 tensor和ndarray转换 #

**numpy函数将tensor转换为ndarray；from\_numpy将numpy转换为tensor**。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 9]  
**numpy函数返回的ndarray与tensor共享内存，因此如果tensor本身就放在内存上，那么这个转换基本上是没有开销的。但如果tensor本身放在显存上，则需要先将数据拷贝到内存上，并基于该内存块构建一个tensor**。

# 9 保存tensor #

pytorch底层使用pickle来保存数据，**使用torch.save保存tensor，torch.load加载保存结果**。  
![在这里插入图片描述][2020090418490450.png_pic_center]  
![在这里插入图片描述][20200904185116962.png_pic_center]  
保存成HDF5格式：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 10]  
**打开hdf5文件时并没有真正的加载数据，直到访问数据时才会真正的加载数据。存储和加载回来的数据是ndarray类型**。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center]: /images/20221123/c6d29ff88b26441cb1cf3f07b483a97b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221123/07241a0e163b4ea79ca56bbbe0cc3793.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221123/b9f4599e675f4daabd4b76692485b4f7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 3]: https://img-blog.csdnimg.cn/20200903170722808.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20221123/963eb38bb3a64216af4481b232560a5c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 5]: /images/20221123/e0c2fae92b4d4821ab28031418397e37.png
[20200903171515845.png_pic_center]: /images/20221123/b611e213520d42208ceb198c4ca91e58.png
[20200903171837318.png_pic_center]: /images/20221123/88029451d62d4aa29d4f0fbecc86db86.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 6]: /images/20221123/c815e75dae7f46ae80349842c03b59a3.png
[20200904175432654.png_pic_center]: /images/20221123/ecbbd73c1c5f423e8d6151f8e8d66989.png
[2020090417564561.png_pic_center]: /images/20221123/304c402eccde46d89073cc5f03b93acb.png
[20200904181140732.png_pic_center]: /images/20221123/382766cc9c374b8eb91ab96d53317eb3.png
[20200904181331868.png_pic_center]: /images/20221123/ae52d9d61f2e4833acdea6d6523a60ff.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 7]: https://img-blog.csdnimg.cn/20200904181821541.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5,size_16,color_FFFFFF,t_70#pic_center
[20200904182410320.png_pic_center]: /images/20221123/46cc28bceb264c9e959c7a23ab5a5d48.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 8]: /images/20221123/1ad91b29deca49d5b1eed743daf10a2f.png
[20200904183222668.png_pic_center]: /images/20221123/5195c2a5740d45a795852249786b9d95.png
[20200904183324422.png_pic_center]: /images/20221123/cc3ba64003fa4c30b1bf292c8b248313.png
[2020090418344579.png_pic_center]: /images/20221123/4e2608aec6624d92878369a5d9fc353c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 9]: /images/20221123/62a010a7001a4b7d88918d6b8e3499fb.png
[2020090418490450.png_pic_center]: /images/20221123/e0d13a1ab9e44db2be873962e0c3b6c1.png
[20200904185116962.png_pic_center]: /images/20221123/04b1b4edd4184fe08d9debbd449e5bfb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nka25pZ2h0X2hhcHB5_size_16_color_FFFFFF_t_70_pic_center 10]: /images/20221123/5f4abe44ce7d47c9810235e539b7fd8f.png