pytorch裡一些函式的說明記錄

thlongstorage *thtensor_(newsizeof)(thtensor *self);

thlongstorage *thtensor_(newstrideof)(thtensor *self);

把thtensor的size/stride資料提取出來，賦值給乙個新的thlongstorage並返回

th_api void thtensor_(narrow)(thtensor *self, thtensor *src, int dimension, long firstindex, long size);

從src裡找到第dimension個維度，從這個維度的firstindex開始，連續取size個子tensor

self複製於src，通過修改self->storageoffset和self->size[dimension]來維持檢視的正確。

th_api void thtensor_(select)(thtensor *self, thtensor *src, int dimension, long sliceindex);

去src裡的第dimension維度裡的第sliceindex個子tensor, 結果在self上進行修改

self通過前移size、stride，修改ndimesion來維持檢視正確。

呼叫了thtensor_(narrow)

void thtensor_(resize)(thtensor *self, thlongstorage *size, thlongstorage *stride);

先做一些檢查，size不能為null，stride可以為null，也可以存在，

如果stride存在，size -> size 和 stride -> size 必須一樣，這個是由tensor的構造決定的，檢查完畢後，呼叫resizend

void thtensor_(resizend)(thtensor *self, int ndimension, long *size, long *stride);

重置乙個thtensor維度的函式，和newview不一樣，這個不是要求元素總量一致的情況下修改檢視，

而是直接把指定thtensor變成新的指定size/stride，視情況還會修改底層的thstorage

對ndimension迴圈，檢查現在self的stride和size是否能夠與目標的stride和size對應，

其實就是逐維檢查size[d]、stride[d]和 self->size[d]、self->stride[d]是否一致，如果完全一致就直接沿用不需要resize了

size的最後幾個維度可能會有負數，遇到這種負數一律跳出，並且修改ndimension為實際要變換的數量。

如果self現有的屬性和指定的dimension不符合，那就重分配size和stride陣列的長度，然後重賦值

如果計算發現底層thstorage儲存不夠，或者thstorage直接為null，就重分配或者new乙個thstorage

void thtensor_(indexselect)(thtensor *tensor, thtensor *src, int dim, thlongtensor *index);

把src裡的第dim維的index個子張量取出，在tensor中儲存

如，src是3x4x5x6，dim=1，index=[2, 0, 1]，取出後的tensor維度是3x3x5x6

void thtensor_(indexcopy)(thtensor *tensor, int dim, thlongtensor *index, thtensor *src);

tensor裡的資料的第dim維，按index的順序，被src的dim維按自然數順序賦值

比如，src是3x4x5x6，dim=1，index=[2, 0, 3, 1]，此時tensor的dim1index2被src的dim1index0賦值，dim1index0被dim1index1賦值，以此類推

這便要求index的長度與src -> size[dim]必須相等，

index裡的數字不重複也不報錯，但是實際執行並不會如意，當index=[0, 0, 0, 0]時，

並不是tensor的每乙個子張量都等於src[:, 0, :, :]，而是迴圈中tensor第0個、0個、0個、0個子張量被賦予src的第1、2、3、4個子張量

最後實際上相當於把tensor的第0個子張量賦為src的第4個子張量

【務必注意】這個分配順序和indexselect是相反的

void thtensor_(gather)(thtensor *tensor, thtensor *src, int dim, thlongtensor *index);

void thtensor_(scatter)(thtensor *tensor, int dim, thlongtensor *index, thtensor *src);

這兩個也是剛好相反的，gather是用index的順序，從src中收集資料，賦值給按自然數迴圈的tensor

scatter是把tensor的index位置資料，用src以自然數迴圈的值填充，相當於把src「打散」了

這兩個名字也非常形象

th_api void thtensor_(validxcorr2dptr)(real *r_, real alpha,real *t_, long ir, long ic,real *k_, long kr, long kc, long sr, long sc);

二維卷積操作

t_: input || ir, ic: data rows, cols || kr, kc: kernel rows, cols || sr, sc: stride rows, cols || r_: output

#define thnn_resizeas_indices(i1, i2)

i1， i2兩個tensorindextensor(tensorlongtensor)，對i1做resize成i2的維度

#define thnn_check_shape(i1, i2)

檢查i1， i2兩個的size是否相同

#define thnn_check_shape_indices(i1, i2)

和check_shape基本一樣，不同的是它先用thstorage存i2的size2資訊，用i1和i2的size2比較，比較完以後再釋放

非常奇怪，為什麼要這樣做，和上乙個巨集在應用中的差別在**？

#define thnn_check_nelement(i1, i2)

檢查i1， i2是否具有同等數量的元素

#define thnn_check_dim_size(t, dim, dim_size, size)

#define thnn_check_dim_size_indices(t, dim, dim_size, size)

要求t的維度等於dim，t的第dim_size個維度大小等於size

pytorch裡一些函式的說明記錄

PyTorch的一些類及函式

phpmcs 裡的一些函式

matlab裡 p檔案的一些說明

pytorch裡一些函式的說明記錄

PyTorch的一些類及函式

phpmcs 裡的一些函式

matlab裡 p檔案的一些說明

相關推薦