pytorch每日一学2(torch.is_storage(obj))

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。