PyTorch版本:1.10.0
Tensor
Tensor是Pytorch项目较为重要的一部分,其中的主要功能如存储,运算由C++和CUDA实现,本文主要从前端开始探索学习Tensor的代码结构。
结构探索
PyTorch前端位于torch目录下,从_tensor.py可以找到Tensor的python定义,可以看到其继承自torch._C._Tensorbase
而Tensorbase的定义可以从torch/_C目录下的__init__.pyi.in文件中找到
可以看到这里传入了metaclass的参数,同时注释表明_TensorBase 和 _TensorMeta的定义存在于python_variable.cpp中
学习一下metaclass相关知识。参考来源于 https://blog.csdn.net/jiguanglong/article/details/93204314
Python除了部分特殊符号之外都是对象,类同样是对象,为了便于理解,可以认为它们相比普通对象,多了可以被实例化的特点。
所有的对象应该拥有基本属性__class__(属于什么类),而所有的类在此基础上应该拥有另一个基本属性__bases__(父类)。如果进行实验可以发现:
一直通过__class__追溯上去,type是最终的顶点(type的__class__指向自己);
一直通过__bases__追溯上去,object是最终的顶点(object的__bases__为空)。
因此可以称type为元类(一般类的类),当我们进行类定义的时候,实际上运行的是class = type(classname, superclasses, attributedict) (也就是type的__call__方法)
而如果传递了metaclass参数,此时类创建的动作就不再由type执行,而是执行参数对象的__call__方法。
有什么用:通过这种改变元类的方法,我们可以在类创建的过程中增加自定义的工作,该特性极大地提高了编程的自由度。
进一步,在torch/csrc/autograd/python_variable.cpp 中可以找到上面Base与Meta类的定义来源
1509与1518行分别对这两个类的定义和文件中的C++对象进行了绑定(module在这里是pytorch前端的_C),进而找到
因此表面上的结构可以表示成如下文章来源:https://www.toymoban.com/news/detail-787652.html
文章来源地址https://www.toymoban.com/news/detail-787652.html
到了这里,关于PyTorch项目源码学习(2)——Tensor代码结构初步学习的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!