tensor内部结构

内部结构

1.tensor分为头信息区（Tensor）和存储区（Storage）；
    信息区：tensor的形状（size）、步长（stride）、数据类型（type），信息区占用内存较少
    存储区：数据保存为连续数组，主要内存占用在存储区
2.每一个tensor有着一个对应的storage，storage是在data之上封装的接口；

具体操作

 

1. a = t.arange(0,6)  
2. a.storage()  
3. b = a.view(2,3)  
4. b.storage()  
5. #a和b的storage的内存地址一样，即他们是用同一个storage  
6. print( id(b.storage) == id(a.storage) )  
7.   
8. #a改变，b也随之改变，因为他们共享storage  
9. a[1] = 100  
10. print(b)  
11.   
12. c = a[2:]  
13. c.storage()  
14. print(c)  
15.   
16. #3198436924144    3198436924128,首地址差16，因为两个元素2*8，每个元素占8个字节  
17. print(c.data_ptr())  
18. print(a.data_ptr())  
19.   
20. c[0] = -100  
21. print(a)  
22.   
23. #3个tensor共享storage  
24. print(id( a.storage() ) == id( b.storage() ) == id( c.storage()) )  
25.   
26.   
27. #以储存元素的个数的形式返回tensor在地城内存中的偏移量  
28. print( a.storage_offset() )  
29. print( b.storage_offset() )  
30. print( c.storage_offset() )  
31. '''''0  0  2'''  
32.   
33.   
34. print('b',b)  
35. e = b[::1,::2]  
36. print('e',e)  
37. '''''b tensor([[   0,  100, -100], 
38.         [   3,    4,    5]]) 
39. e tensor([[   0, -100], 
40.         [   3,    5]])'''  
41.   
42. #tensor步长  
43. print(b.stride(),e.stride())  
44. '''''(3, 1) (3, 2)'''  
45.   
46. #判断tensor是否连续  
47. print(e.is_contiguous())  
48. '''''False'''  
49. f = e.contiguous()  
50. print(f.is_contiguous())  
51. '''''True'''  

总结

大部分操作并不修改tensor的数据，只修改了tensor的头信息，这种做法更节省内存，提升了处理速度。
注意：有些操作会导致tensor不连续，可以用tensor.contiguous方法将它们变成连续的数据。

2018-11-22 20:36:00