• 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏吧

【小白学PyTorch】9 tensor数据结构与存储结构

开发技术 开发技术 3周前 (09-12) 25次浏览

文章来自微信公众号【机器学习炼丹术】。
上一节课,讲解了MNIST图像分类的一个小实战,现在我们继续深入学习一下pytorch的一些有的没的的小知识来作为只是储备。

参考目录:
@

目录
  • 1 pytorch数据结构
    • 1.1 默认整数与浮点数
    • 1.2 dtype修改变量类型
    • 1.3 变量类型有哪些
    • 1.4 数据类型转换
  • 2 torch vs numpy
    • 2.1 两者转换
    • 2.2 两者区别
  • 3 张量
    • 3.1 张量修改尺寸
    • 3.2 张量内存存储结构
    • 3.3 存储区
    • 3.4 头信息区

1 pytorch数据结构

1.1 默认整数与浮点数

【pytorch默认的整数是int64】

pytorch的默认整数是用64个比特存储,也就是8个字节(Byte)存储的。

【pytorch默认的浮点数是float32】

pytorch的默认浮点数是用32个比特存储,也就是4个字节(Byte)存储的。

import torch
import numpy as np
#----------------------
print('torch的浮点数与整数的默认数据类型')
a = torch.tensor([1,2,3])
b = torch.tensor([1.,2.,3.])
print(a,a.dtype)
print(b,b.dtype)

输出:

torch的浮点数与整数的默认数据类型
tensor([1, 2, 3]) torch.int64
tensor([1., 2., 3.]) torch.float32

1.2 dtype修改变量类型

print('torch的浮点数与整数的默认数据类型')
a = torch.tensor([1,2,3],dtype=torch.int8)
b = torch.tensor([1.,2.,3.],dtype = torch.float64)
print(a,a.dtype)
print(b,b.dtype)

输出结果:

torch的浮点数与整数的默认数据类型
tensor([1, 2, 3], dtype=torch.int8) torch.int8
tensor([1., 2., 3.], dtype=torch.float64) torch.float64

1.3 变量类型有哪些

张量的数据类型其实和numpy.array基本一一对应,除了不支持str,主要有下面几种形式:

torch.float64 # 等同于(torch.double)
torch.float32 # 默认,FloatTensor
torch.float16
torch.int64   # 等同于torch.long
torch.int32   # 默认
torch.int16
torch.int8
torch.uint8   # 二进制码,表示0-255
torch.bool

在创建变量的时候,想要创建指定的变量类型,上文中提到了用dtype关键字来控制,但是我个人更喜欢使用特定的构造函数:

print('torch的构造函数')
a = torch.IntTensor([1,2,3])
b = torch.LongTensor([1,2,3])
c = torch.FloatTensor([1,2,3])
d = torch.DoubleTensor([1,2,3])
e = torch.tensor([1,2,3])
f = torch.tensor([1.,2.,3.])
print(a.dtype)
print(b.dtype)
print(c.dtype)
print(d.dtype)
print(e.dtype)
print(f.dtype)

输出结果:

torch的构造函数
torch.int32
torch.int64
torch.float32
torch.float64
torch.int64
torch.float32

因此我们可以得到结果:

  • torch.IntTensor对应torch.int32
  • torch.LongTensor对应torch.int64,LongTensor常用在深度学习中的标签值 ,比方说分类任务中的类别标签0,1,2,3等,要求用ing64的数据类型;
  • torch.FloatTensor对应torch.float32FloatTensor常用做深度学习中可学习参数或者输入数据的类型
  • torch.DoubleTensor对应torch.float64
  • torch.tensor则有一个推断的能力,加入输入的数据是整数,则默认int64,相当于LongTensor;假如输入数据是浮点数,则默认float32,相当于FLoatTensor。刚好对应深度学习中的标签和参数的数据类型,所以一般情况下,直接使用tensor就可以了,但是假如出现报错的时候,也要学会使用dtype或者构造函数来确保数据类型的匹配

1.4 数据类型转换

【使用torch.float()方法】

print('数据类型转换')
a = torch.tensor([1,2,3])
b = a.float()
c = a.double()
d = a.long()
print(b.dtype)
print(c.dtype)
print(d.dtype)
>>> 数据类型转换
>>> torch.float32
>>> torch.float64
>>> torch.int64

我个人比较习惯这个的方法。

【使用type方法】

b = a.type(torch.float32)
c = a.type(torch.float64)
d = a.type(torch.int64)
print(b.dtype) # torch.float32
print(c.dtype) # torch.float64
print(d.dtype) # torch.int64

2 torch vs numpy

PyTorch是一个python包,目的是加入深度学习应用, torch基本上是实现了numpy的大部分必要的功能,并且tensor是可以利用GPU进行加速训练的。

2.1 两者转换

转换时非常非常简单的:

import torch
import numpy as np

a = np.array([1.,2.,3.])
b = torch.tensor(a)
c = b.numpy()
print(a)
print(b)
print(c)

输出结果:

[1. 2. 3.]
tensor([1., 2., 3.], dtype=torch.float64)
[1. 2. 3.]

下面的内容就变得有点意思了,是内存复制相关的。假如a和b两个变量共享同一个内存,那么改变a的话,b也会跟着改变;如果a和b变量的内存复制了,那么两者是两个内存,所以改变a是不会改变b的。下面是讲解numpy和torch互相转换的时候,什么情况是共享内存,什么情况下是内存复制 (其实这个问题,也就是做个了解罢了,无用的小知识)

【Tensor()转换】
当numpy的数据类型和torch的数据类型相同时,共享内存;不同的时候,内存复制

print('numpy 和torch互相转换1')
a = np.array([1,2,3],dtype=np.float64)
b = torch.Tensor(a)
b[0] = 999
print('共享内存' if a[0]==b[0] else '不共享内存')
>>> 不共享内存

因为np.float64和torch.float32数据类型不同

print('numpy 和torch互相转换2')
a = np.array([1,2,3],dtype=np.float32)
b = torch.Tensor(a)
b[0] = 999
print('共享内存' if a[0]==b[0] else '不共享内存')
>>> 共享内存

因为np.float32和torch.float32数据类型相同

【from_numpy()转换】

print('from_numpy()')
a = np.array([1,2,3],dtype=np.float64)
b = torch.from_numpy(a)
b[0] = 999
print('共享内存' if a[0]==b[0] else '不共享内存')
>>> 共享内存
a = np.array([1,2,3],dtype=np.float32)
b = torch.from_numpy(a)
b[0] = 999
print('共享内存' if a[0]==b[0] else '不共享内存')
>>> 共享内存

如果你使用from_numpy()的时候,不管是什么类型,都是共享内存的。

【tensor()转换】

更常用的是这个tensor(),注意看T的大小写, 如果使用的是tensor方法,那么不管输入类型是什么,torch.tensor都会进行数据拷贝,不共享内存。

【.numpy()】
tensor转成numpy的时候,.numpy方法是内存共享的哦。如果想改成内存拷贝的话,可以使用.numpy().copy()就不共享内存了。或者使用.clone().numpy()也可以实现同样的效果。clone是tensor的方法,copy是numpy的方法。

【总结】

记不清的话,就记住,tensor()数据拷贝了,.numpy()共享内存就行了。

2.2 两者区别

【命名】

虽然PyTorch实现了Numpy的很多功能,但是相同的功能却有着不同的命名方式,这让使用者迷惑。

例如创建随机张量的时候:

print('命名规则')
a = torch.rand(2,3,4)
b = np.random.rand(2,3,4)

【张量重塑】

这部分会放在下一章节详细说明~

3 张量

  • 标量:数据是一个数字
  • 向量:数据是一串数字,也是一维张量
  • 矩阵:数据二维数组,也是二维张量
  • 张量:数据的维度超过2的时候,就叫多维张量

3.1 张量修改尺寸

  • pytorch常用reshape和view
  • numpy用resize和reshape
  • pytorch也有resize但是不常用

【reshape和view共享内存(常用)】

a = torch.arange(0,6)
b = a.reshape((2,3))
print(b)
c = a.view((2,3))
print(c)
a[0] = 999
print(b)
print(c)

输出结果:

tensor([[0, 1, 2],
        [3, 4, 5]])
tensor([[0, 1, 2],
        [3, 4, 5]])
tensor([[999,   1,   2],
        [  3,   4,   5]])
tensor([[999,   1,   2],
        [  3,   4,   5]])

上面的a,b,c三个变量其实是共享同一个内存,迁一而动全身。而且要求遵旨规则:原始数据有6个元素,所以可以修改成(2times 3)的形式,但是无法修改成(2times 4)的形式 ,我们来试试:

a = torch.arange(0,6)
b = a.reshape((2,4))

会抛出这样的错误:
【小白学PyTorch】9 tensor数据结构与存储结构

【torch的resize_(不常用)】

但是pytorch有一个不常用的函数(对我来说用的不多),resize,这个方法可以不遵守这个规则:

a = torch.arange(0,6)
a.resize_(2,4)
print(a)

输出结果为:
【小白学PyTorch】9 tensor数据结构与存储结构
自动的补充了两个元素。虽然不知道这个函数有什么意义。。。。。。

这里可以看到函数resize后面有一个_,这个表示inplace=True的意思,当有这个_或者参数inplace的时候,就是表示所作的修改是在原来的数据变量上完成的,也就不需要赋值给新的变量了。

【numpy的resize与reshape(常用)】

import numpy as np
a = np.arange(0,6)
a.resize(2,3)
print(a)
import numpy as np
a = np.arange(0,6)
b = a.reshape(2,3)
print(b)

两个代码块的输出都是下面的,区别在于numpy的resize是没有返回值的,相当于inplace=True了,直接在原变量的进行修改,而reshape是有返回值的,不在原变量上修改(但是呢reshape是共享内存的):

[[0 1 2]
 [3 4 5]]

3.2 张量内存存储结构

tensor的数据结构包含两个部分:

  • 头信息区Tensor:保存张量的形状size,步长stride,数据类型等信息
  • 存储区Storage:保存真正的数据

头信息区Tensor的占用内存较小,主要的占用内存是Storate。

每一个tensor都有着对应的storage,一般不同的tensor的头信息可能不同,但是却可能使用相同的storage。(这里就是之前共享内存的view、reshape方法,虽然头信息的张量形状size发生了改变,但是其实存储的数据都是同一个storage)

3.3 存储区

我们来查看一个tensor的存储区:

import torch
a = torch.arange(0,6)
print(a.storage())

输出为:

 0
 1
 2
 3
 4
 5
[torch.LongStorage of size 6]

然后对tensor变量做一个view的变换:

b = a.view(2,3)

这个b.storage()输出出来时和a.storate(),相同的,这也是为什么view变换是内存共享的了。

# id()是获取对象的内存地址
print(id(a)==id(b)) # False
print(id(a.storage)==id(b.storage)) # True

可以发现,其实a和b虽然存储区是相同的,但是其实a和b整体式不同的。自然,这个不同就不同在头信息区,应该是尺寸size改变了。这也就是头信息区不同,但是存储区相同,从而节省大量内存

我们更进一步,假设对tensor切片了,那么切片后的数据是否共享内存,切片后的数据的storage是什么样子的呢?

print('研究tensor的切片')
a = torch.arange(0,6)
b = a[2]
print(id(a.storage)==id(b.storage))

输出结果为:

>>> True

没错,就算切片之后,两个tensor依然使用同一个存储区,所以相比也是共享内存的,修改一个另一个也会变化。

#.data_ptr(),返回tensor首个元素的内存地址。
print(a.data_ptr(),b.data_ptr())
print(b.data_ptr()-a.data_ptr())

输出为:

2080207827328 2080207827344
16

这是因为b的第一个元素和a的第一个元素内存地址相差了16个字节,因为默认的tesnor是int64,也就是8个字节一个元素,所以这里相差了2个整形元素

3.4 头信息区

依然是上面那两个tensor变量,a和b

a = torch.arange(0,6)
b = a.view(2,3)
print(a.stride(),b.stride())

输出为:

(1,) (3, 1)

变量a是一维数组,并且就是[0,1,2,3,4,5],所以步长stride是1;而b是二维数组,是[[0,1,2],[3,4,5]],所以就是先3个3个分成第一维度的,然后再1个1个的作为第二维度。

由此可见,绝大多数操作并不修改 tensor 的数据,只是修改了 tensor 的头信息,这种做法更节省内存,同时提升了处理速度。


喜欢 (0)