快捷方式

torch.Storage

torch.Storage 是与默认数据类型 (torch.get_default_dtype()) 相对应的存储类的别名。例如,如果默认数据类型是 torch.float,则 torch.Storage 解析为 torch.FloatStorage

torch.<type>Storagetorch.cuda.<type>Storage 类(例如 torch.FloatStoragetorch.IntStorage 等)实际上从未被实例化。调用它们的构造函数会创建一个具有适当 torch.dtypetorch.devicetorch.TypedStoragetorch.<type>Storage 类拥有与 torch.TypedStorage 相同的所有类方法。

torch.TypedStorage 是特定 torch.dtype 的元素的连续一维数组。它可以接受任何 torch.dtype,并且内部数据将以适当的方式解释。 torch.TypedStorage 包含一个 torch.UntypedStorage,它将数据存储为未类型化的字节数组。

每个带步幅的 torch.Tensor 都包含一个 torch.TypedStorage,它存储 torch.Tensor 视图的所有数据。

警告

除了 torch.UntypedStorage 之外的所有存储类将在未来被移除,并且 torch.UntypedStorage 将在所有情况下使用。

class torch.TypedStorage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
bfloat16()[source]

将此存储转换为 bfloat16 类型。

bool()[source]

将此存储转换为 bool 类型。

byte()[source]

将此存储转换为 byte 类型。

char()[source]

将此存储转换为字符类型。

clone()[source]

返回此存储的副本。

complex_double()[source]

将此存储转换为复数双精度类型。

complex_float()[source]

将此存储转换为复数单精度类型。

copy_(source, non_blocking=None)[source]
cpu()[source]

如果此存储不在 CPU 上,则返回此存储的 CPU 副本。

cuda(device=None, non_blocking=False)[source]

返回此对象在 CUDA 内存中的副本。

如果此对象已在 CUDA 内存中并在正确的设备上,则不会执行任何复制操作,并且会返回原始对象。

参数
  • device (int) – 目标 GPU ID。默认为当前设备。

  • non_blocking (bool) – 如果为 True 且源位于固定内存中,则复制操作将相对于主机异步执行。否则,此参数无效。

返回值类型

自身

data_ptr()[source]
property device
double()[source]

将此存储转换为双精度类型。

dtype: dtype
element_size()[source]
property filename: Optional[str]

如果此存储是通过内存映射文件创建的,则返回与此存储关联的文件名;如果此存储不是通过内存映射文件创建的,则返回 None

fill_(value)[source]
float()[source]

将此存储转换为单精度类型。

float8_e4m3fn()[source]

将此存储转换为 float8_e4m3fn 类型

float8_e4m3fnuz()[source]

将此存储转换为 float8_e4m3fnuz 类型

float8_e5m2()[source]

将此存储转换为 float8_e5m2 类型

float8_e5m2fnuz()[source]

将此存储转换为 float8_e5m2fnuz 类型

classmethod from_buffer(*args, **kwargs)[source]
classmethod from_file(filename, shared=False, size=0) Storage[source]

创建一个由内存映射文件支持的 CPU 存储。

如果 sharedTrue,则所有进程之间共享内存。所有更改都会写入文件。如果 sharedFalse,则存储上的更改不会影响文件。

size 是存储中的元素数。如果 sharedFalse,则文件必须至少包含 size * sizeof(Type) 字节(Type 是存储的类型)。如果 sharedTrue,则会根据需要创建文件。

参数
  • filename (str) – 要映射的文件名

  • shared (bool) – 是否共享内存(是否将 MAP_SHAREDMAP_PRIVATE 传递给底层的 mmap(2) 调用

  • size (int) – 存储中的元素数

get_device()[source]
返回值类型

int

half()[source]

将此存储转换为半精度类型。

hpu(device=None, non_blocking=False)[source]

返回此对象在 HPU 内存中的副本。

如果此对象已在 HPU 内存中并在正确的设备上,则不会执行任何复制操作,并且会返回原始对象。

参数
  • device (int) – 目标 HPU ID。默认为当前设备。

  • non_blocking (bool) – 如果为 True 且源位于固定内存中,则复制操作将相对于主机异步执行。否则,此参数无效。

返回值类型

自身

int()[source]

将此存储转换为整数类型。

property is_cuda
property is_hpu
is_pinned(device='cuda')[source]

确定 CPU TypedStorage 是否已在设备上固定。

参数

device (str or torch.device) – 要固定内存的设备。默认值:'cuda'

返回值

布尔变量。

is_shared()[source]
is_sparse: bool = False
long()[source]

将此存储转换为长类型。

nbytes()[source]
pickle_storage_type()[source]
pin_memory(device='cuda')[source]

如果 CPU TypedStorage 未固定,则将其复制到固定内存。

参数

device (str or torch.device) – 要固定内存的设备。默认值:'cuda'.

返回值

一个固定的 CPU 存储。

resizable()[source]
resize_(size)[source]
share_memory_()[source]

参见 torch.UntypedStorage.share_memory_()

short()[source]

将此存储转换为短类型。

size()[source]
to(*, device, non_blocking=False)[source]

返回此对象在设备内存中的副本。

如果此对象已在正确的设备上,则不会执行任何复制操作,并返回原始对象。

参数
  • device (int) – 目标设备。

  • non_blocking (bool) – 如果为 True 且源位于固定内存中,则复制操作将相对于主机异步执行。否则,此参数无效。

返回值类型

自身

tolist()[source]

返回一个包含此存储元素的列表。

type(dtype=None, non_blocking=False)[source]

如果没有提供 dtype,则返回类型,否则将此对象转换为指定的类型。

如果已经是正确的类型,则不会执行任何复制操作,并返回原始对象。

参数
  • dtype (type or string) – 需要的类型

  • non_blocking (bool) – 如果为 True,并且源位于固定内存中,目标位于 GPU 上,反之亦然,则复制操作将相对于主机异步执行。否则,该参数无效。

  • **kwargs** – 为了兼容性,可能包含 async 键代替 non_blocking 参数。 async 参数已弃用。

返回值类型

Union[_StorageBase, TypedStorage, str]

untyped()[source]

返回内部 torch.UntypedStorage.

class torch.UntypedStorage(*args, **kwargs)[source]
bfloat16()

将此存储转换为 bfloat16 类型。

bool()

将此存储转换为 bool 类型。

byte()

将此存储转换为 byte 类型。

byteswap(dtype)

交换底层数据中的字节。

char()

将此存储转换为字符类型。

clone()

返回此存储的副本。

complex_double()

将此存储转换为复数双精度类型。

complex_float()

将此存储转换为复数单精度类型。

copy_()
cpu()

如果此存储不在 CPU 上,则返回此存储的 CPU 副本。

cuda(device=None, non_blocking=False)

返回此对象在 CUDA 内存中的副本。

如果此对象已在 CUDA 内存中并在正确的设备上,则不会执行任何复制操作,并且会返回原始对象。

参数
  • device (int) – 目标 GPU ID。默认为当前设备。

  • non_blocking (bool) – 如果为 True 且源位于固定内存中,则复制操作将相对于主机异步执行。否则,此参数无效。

返回值类型

Union[_StorageBase, TypedStorage]

data_ptr()
device: device
double()

将此存储转换为双精度类型。

element_size()
property filename: Optional[str]

返回与该存储关联的文件名。

如果存储在 CPU 上且是通过 from_file() 创建,其中 sharedTrue,则文件名将为字符串。否则,此属性为 None

fill_()
float()

将此存储转换为单精度类型。

float8_e4m3fn()

将此存储转换为 float8_e4m3fn 类型

float8_e4m3fnuz()

将此存储转换为 float8_e4m3fnuz 类型

float8_e5m2()

将此存储转换为 float8_e5m2 类型

float8_e5m2fnuz()

将此存储转换为 float8_e5m2fnuz 类型

static from_buffer()
static from_file(filename, shared=False, size=0) Storage

创建一个由内存映射文件支持的 CPU 存储。

如果 sharedTrue,则所有进程之间共享内存。所有更改都会写入文件。如果 sharedFalse,则存储上的更改不会影响文件。

size 是存储中的元素数量。如果 sharedFalse,则文件必须至少包含 size * sizeof(Type) 字节(Type 是存储的类型,在 UnTypedStorage 的情况下,文件必须至少包含 size 字节)。如果 sharedTrue,则文件将在需要时创建。

参数
  • filename (str) – 要映射的文件名

  • shared (bool) –

    是否共享内存(是否将 MAP_SHAREDMAP_PRIVATE 传递给底层的 mmap(2) 调用

  • size (int) – 存储中的元素数

get_device()
返回值类型

int

half()

将此存储转换为半精度类型。

hpu(device=None, non_blocking=False)

返回此对象在 HPU 内存中的副本。

如果此对象已在 HPU 内存中并在正确的设备上,则不会执行任何复制操作,并且会返回原始对象。

参数
  • device (int) – 目标 HPU ID。默认为当前设备。

  • non_blocking (bool) – 如果为 True 且源位于固定内存中,则复制操作将相对于主机异步执行。否则,此参数无效。

返回值类型

Union[_StorageBase, TypedStorage]

int()

将此存储转换为整数类型。

property is_cuda
property is_hpu
is_pinned(device='cuda')

确定 CPU 存储是否已固定在设备上。

参数

device (str or torch.device) – 要固定内存的设备。默认值:'cuda'.

返回值

布尔变量。

is_shared()
is_sparse: bool = False
is_sparse_csr: bool = False
long()

将此存储转换为长类型。

mps()

如果该存储尚未在 MPS 上,则返回该存储的 MPS 副本。

nbytes()
new()
pin_memory(device='cuda')

将 CPU 存储复制到固定内存,如果它尚未固定。

参数

device (str or torch.device) – 要固定内存的设备。默认值:'cuda'.

返回值

一个固定的 CPU 存储。

resizable()
resize_()
share_memory_(*args, **kwargs)[source]

将存储移动到共享内存。

对于已在共享内存中的存储和 CUDA 存储,这是一个无操作,它们不需要为了跨进程共享而移动。共享内存中的存储无法调整大小。

注意,为了缓解诸如 之类的問題,从同一对象上的多个线程调用此函数是线程安全的。但是,在没有适当同步的情况下,在 self 上调用任何其他函数是**不**线程安全的。有关更多详细信息,请参阅 多进程最佳实践

注意

当对共享内存中的存储的所有引用都被删除时,关联的共享内存对象也将被删除。PyTorch 具有一个特殊的清理过程,以确保即使当前进程意外退出也会发生这种情况。

值得注意的是 share_memory_() 与使用 shared = Truefrom_file() 之间的区别

  1. share_memory_ 使用 shm_open(3) 创建一个 POSIX 共享内存对象,而 from_file() 使用 open(2) 打开用户传递的文件名。

  2. 两者都使用带有 MAP_SHAREDmmap(2) 调用 将文件/对象映射到当前虚拟地址空间

  3. share_memory_ 将在映射对象后对对象调用 shm_unlink(3),以确保在没有进程打开对象时释放共享内存对象。 torch.from_file(shared=True) 不会取消链接该文件。此文件是持久性的,并将保留,直到用户将其删除。

返回值

self

short()

将此存储转换为短类型。

size()
返回值类型

int

to(*, device, non_blocking=False)
返回值类型

Union[_StorageBase, TypedStorage]

tolist()

返回一个包含此存储元素的列表。

type(dtype=None, non_blocking=False)
返回值类型

Union[_StorageBase, TypedStorage]

untyped()
class torch.DoubleStorage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.float64[source]
class torch.FloatStorage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.float32[source]
class torch.HalfStorage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.float16[source]
class torch.LongStorage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype =
class torch.IntStorage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.int32[source]
class torch.ShortStorage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.int16[source]
class torch.CharStorage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.int8[source]
class torch.ByteStorage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.uint8[source]
class torch.BoolStorage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.bool[source]
class torch.BFloat16Storage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.bfloat16[source]
class torch.ComplexDoubleStorage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.complex128[source]
class torch.ComplexFloatStorage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.complex64[source]
class torch.QUInt8Storage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.quint8[source]
class torch.QInt8Storage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.qint8[source]
class torch.QInt32Storage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.qint32[source]
class torch.QUInt4x2Storage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.quint4x2[source]
class torch.QUInt2x4Storage(*args, wrap_storage=None, dtype=None, device=None, _internal=False)[source]
dtype: torch.dtype = torch.quint2x4[source]

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源