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

a = t.arange(0,6)
a.storage()
b = a.view(2,3)
b.storage()
#a和b的storage的内存地址一样，即他们是用同一个storage
print( id(b.storage) == id(a.storage) )

#a改变，b也随之改变，因为他们共享storage
a[1] = 100
print(b)

c = a[2:]
c.storage()
print(c)

#3198436924144    3198436924128,首地址差16，因为两个元素2*8，每个元素占8个字节
print(c.data_ptr())
print(a.data_ptr())

c[0] = -100
print(a)

#3个tensor共享storage
print(id( a.storage() ) == id( b.storage() ) == id( c.storage()) )


#以储存元素的个数的形式返回tensor在地城内存中的偏移量
print( a.storage_offset() )
print( b.storage_offset() )
print( c.storage_offset() )
'''''0  0  2'''


print('b',b)
e = b[::1,::2]
print('e',e)
'''''b tensor([[   0,  100, -100],
        [   3,    4,    5]])
e tensor([[   0, -100],
        [   3,    5]])'''

#tensor步长
print(b.stride(),e.stride())
'''''(3, 1) (3, 2)'''

#判断tensor是否连续
print(e.is_contiguous())
'''''False'''
f = e.contiguous()
print(f.is_contiguous())
'''''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