2.第二个方法
torch.is_storage(obj)
- 其实这个方法很明显,看名字就知道它的功能,就是测试obj是不是storage类型,如果是的话就返回True,否则返回False。
什么是Storage?
Storage类型是pytorch中的一个类型,它与tensor是对应的。
tensor 分为头信息区(Tensor)和存储区(Storage)。 - 信息区(Tensor)主要存储tensor的形状(size)、步长(stride)、数据类型(type)等信息,其真正的数据保存为连续数组,存储在存储区(Storage)中。
- 一般来说pytorch中tensor的数据很大,可能是成千上万的,所以我们信息区(Tensor)一般来说占用的内存比较少,主要内存的占用取决于tensor中元素的数目,也就是存储区(Storage)的大小。
其实说的通俗一点就是,我们的Tensor相当于一组描述符,可以类比为操作系统中的PCB,而Storage是我们真正的进程数据存放的位置
一般来说,一个tensor对应一个storage,storage是在data之上封装的接口,便于我们进行使用。
不同的tensor的头部信息一般是不同的,但是它们使用的Storage可能相同(也就是共享内存)
举个例子:
import torch
a = torch.rand(3, 5)
print(a)
print(a.storage())
输出为:
- 可以看到下面是我们的Storge,它只是一连串的数据而已,并没有别的信息,而上面是我们的tensor,至于为什么显示a会显示数据,而不是显示头部信息,这是因为pytorch为了方便我们查看进行的操作啊,使得显示的时候会显示数据,不然的话查看一个变量会很麻烦(又调用查看Tensor,又调用查看。如果我们加上一句
a.requires_grad = True
(这句话的意思是,我们的tensor a需要梯度,因为深度学习的训练算法是需要求导的,所以tensor是需要梯度的),即如下代码:
import torch
a = torch.rand(3, 5)
a.requires_grad = True
print(a)
print(a.storage())
结果如下
- 发现Storage并没有改变,它只有数据,没有别的东西。只是我们的Tensor中增加了描述符,描述了我们这个tensor是有梯度的。