PyTorch 自定义算子

创建于：2024 年 6 月 18 日 | 最后更新：2025 年 1 月 6 日 | 最后验证：2024 年 11 月 5 日

PyTorch 提供了大量的算子库，用于处理张量（例如 torch.add、torch.sum 等）。但是，您可能希望将新的自定义操作引入 PyTorch，并使其与 torch.compile、autograd 和 torch.vmap 等子系统一起工作。为了做到这一点，您必须通过 Python torch.library 文档 或 C++ TORCH_LIBRARY API 在 PyTorch 中注册自定义操作。

从 Python 编写自定义算子

请参阅 自定义 Python 算子。

在以下情况下，您可能希望从 Python（而不是 C++）编写自定义算子

• 您有一个 Python 函数，您希望 PyTorch 将其视为不透明的可调用对象，尤其是在 torch.compile 和 torch.export 方面。

• 您有一些 C++/CUDA 内核的 Python 绑定，并希望这些绑定与 PyTorch 子系统（如 torch.compile 或 torch.autograd）组合使用

• 您正在使用 Python（而不是仅限 C++ 的环境，如 AOTInductor）。

将自定义 C++ 和/或 CUDA 代码与 PyTorch 集成

请参阅 自定义 C++ 和 CUDA 算子。

在以下情况下，您可能希望从 C++（而不是 Python）编写自定义算子

• 您有自定义的 C++ 和/或 CUDA 代码。

• 您计划将此代码与 AOTInductor 一起使用以进行无 Python 推理。

自定义算子手册

有关教程和本页未涵盖的信息，请参阅 自定义算子手册（我们正在努力将信息迁移到我们的文档站点）。我们建议您首先阅读上面的教程之一，然后将自定义算子手册作为参考；它不适合从头到尾阅读。

我应该何时创建自定义算子？

如果您的操作可以表示为内置 PyTorch 算子的组合，请将其编写为 Python 函数并调用它，而不是创建自定义算子。如果您要调用 PyTorch 不理解的库（例如，自定义 C/C++ 代码、自定义 CUDA 内核或 C/C++/CUDA 扩展的 Python 绑定），请使用算子注册 API 创建自定义算子。

我为什么要创建自定义算子？

可以使用 C/C++/CUDA 内核，方法是获取张量的数据指针并将其传递给 pybind 的内核。但是，这种方法不能与 PyTorch 子系统（如 autograd、torch.compile、vmap 等）组合使用。为了使操作能够与 PyTorch 子系统组合使用，必须通过算子注册 API 进行注册。