torch.cuda.jiterator._create_jit_fn¶
- torch.cuda.jiterator._create_jit_fn(code_string, **kwargs)[源代码]¶
为逐元素运算创建 jiterator 生成的 cuda 内核。
代码字符串必须是有效的 CUDA 函数,用于描述单个元素的计算。代码字符串必须遵循 c++ 模板模式,如下例所示。此函数将内联到逐元素内核模板中,并动态编译。编译后的内核将缓存在内存中,以及本地临时目录中。
Jiterator 生成的内核接受非连续张量,并支持广播和类型提升。
- 参数
code_string (str) – 由 jiterator 编译的 CUDA 代码字符串。入口函数必须按值返回。
kwargs (Dict, 可选) – 生成的函数的关键字参数
- 返回类型
示例
code_string = "template <typename T> T my_kernel(T x, T y, T alpha) { return -x + alpha * y; }" jitted_fn = create_jit_fn(code_string, alpha=1.0) a = torch.rand(3, device='cuda') b = torch.rand(3, device='cuda') # invoke jitted function like a regular python function result = jitted_fn(a, b, alpha=3.14)
code_string 也允许多个函数定义,最后一个函数将被视为入口函数。
示例
code_string = "template <typename T> T util_fn(T x, T y) { return ::sin(x) + ::cos(y); }" code_string += "template <typename T> T my_kernel(T x, T y, T val) { return ::min(val, util_fn(x, y)); }" jitted_fn = create_jit_fn(code_string, val=0.0) a = torch.rand(3, device='cuda') b = torch.rand(3, device='cuda') # invoke jitted function like a regular python function result = jitted_fn(a, b) # using default val=0.0
Jiterator 可以与 Python 注册一起使用,以覆盖运算符的 cuda 内核。以下示例使用 relu 覆盖了 gelu 的 cuda 内核。
示例
code_string = "template <typename T> T my_gelu(T a) { return a > 0 ? a : 0; }" my_gelu = create_jit_fn(code_string) my_lib = torch.library.Library("aten", "IMPL") my_lib.impl('aten::gelu', my_gelu, "CUDA") # torch.nn.GELU and torch.nn.function.gelu are now overridden a = torch.rand(3, device='cuda') torch.allclose(torch.nn.functional.gelu(a), torch.nn.functional.relu(a))
警告
此 API 处于测试阶段,可能在将来的版本中发生更改。
警告
此 API 最多支持 8 个输入和 1 个输出
警告
所有输入张量都必须位于 CUDA 设备上