pytorch internals 翻译

http://blog.ezyang.com/2019/05/pytorch-internals/

1.Tensor

tensor 是pytorch基本的数据格式。你或许已经知道tensor是什么：n维数据结构，包含一些标量的数据类型，比如floats，ints，其他。
我们知道tensor是一些数据的组成，还有一写元数据用来表示tensor的大小，tensor中数据的类型，tensor存储位置（cpu还是gpu）

这里有一些元数据你可能不太熟悉，stride。stride是pytorch的特色

tensor是数学概念，但是怎么保存到计算机中，我们应该定义一些物理的表示规则。
最常见的把tensor中每个元素连续的保存在内存中，在内存中写下每一行元素。
在上面的例子中我规定了tensor包含的是32位的int元素，所以每个整数包含在一个物理地址，每个地址偏移4个字节。为了记住tensor实际的维度，我们需要使用size记录，那么strided有啥用

假设我们想访问tensor中位置为【0，1】的元素，那么我们怎么把【0，1】的逻辑位置转为物理地址内存的位置？
stride告诉我们要这么做：把逻辑位置和strided相乘再相加。比如上图3这个元素的位置为【0，1】乘以stride【2，1】再相加=2。index从0开始。所以3就在开始数据位置下的第2个位置。

后面会介绍一个tensoraccessor类，这个类为了方便位置计算。

所以stride是pytorch的基础，例如我想提取第二行的tensor数据

使用高级的index支持，tensor【1,：】表示一行数据。重要的事，当我这么做的时候，我没有创建新的tensor，相反，我仅仅返回一个和原本的tensor不同视图的tensor，这意味这如果我修改了tensorf【1，：】，那么原始的tensor也会改变。
3，4存在连续内存中，我们只要记录这个数据和原来数据下面偏移2个位置 offset=2，每一个tensor记录一个offset，但是大部分offset=0，所以我们的图表中忽略这个offset

q：如果我从原始tensor得到一个新的view， 我怎么释放原始的tensor的内存
a: 你要copy这个view，然后断开与原来的tensor物理内存。没有其他的办法了

如果我想获取一列

我们发现竖着的数据在内存中不是连续的，每个元素有一个间隔。stride 从1变成2 ，说明每个元素隔着一个，你需要跳过2个 字节，

我们必须要把tensor和物理内存解耦

多个tensor使用相同的内存，每个storage定义了tensor的物理内存大小和类型，每个tensor记录size，strides和offset。

tensor-strorge至少一对出现，即使在简单的情况下，你不需要storage，例如你仅仅使用 torch.zeros(2,2)

tensort的运算也值得介绍，比如你使用torch.mm的时候，2个部分发生了

首先一个部分依赖device 类型和tensor的布局，是否是cup存储还是gpu存储，是strided tensor 还是 稀疏的。这是一个动态的部分，这是一个虚拟的函数，判断使用cpu 矩阵乘法还是cuda矩阵乘法，他们的动态库也不同，例如libcaffe2.so 或者libcaffe2_gpu.so 。

第二个部分，依赖dtype，这个只是简单的switch 选择对应type支持的内核，比如floats的内核和int的内核不一样的。

讲一下tensor的扩展，除了cpu float tensor 还有其他的扩展 比如XLA tensor quantized tensor 或者 MKL-DNN tensors
那么tensor 库怎么适应这些扩张

我们目前tensor扩展支持4个扩展点，首先它是3位一体的参数，它表明了tensor是啥
第一个 device ，它表明tensor的物理内存 ，例如cpu 或者 nvidia gpu （cuda） 或者amd gpu（hip） 或者tpu（xla）
第二个layout，它表明了我们怎么解释这些物理内存，比如使用strided ，但是稀疏tensor 有不同的布局，或者mkl-dnn tensor 也有其他的布局。
第三个dtype，它表明了内存中存储的tensor中每个元素的是什么。

2 自动求导

花点时间研究一下上图，
1.首先，我们看到红色和蓝色的变量。pytorh实现了反向自动求导的功能，这意味着我们关注正向计算，反向计算使用了梯度
我们计算loss ，首先是计算grad_loss,然后因为loss是从next_h2计算得来的，所以继续计算grad_next_h2，事实上这些grad_的变量不是真的梯度，它们只是一个雅可比矩阵左乘一个向量。但是pytorch中我们称他们是梯度。
2.如果代码保持一样的结构体，他们的行为却不同，forwards每一行都被替换为不同的计算，这表示反向传播。
例如tanh操作转为tanh_backwad，前向和反向的输入输出是相互交换的，如果前向产生了next_h2,那么反向操作就是把grad_next_h2作为输入

下图描述了自动梯度，就是所有点的计算，但是不包含源头

当我们对tensor运算的时候需要存储一些元数据，让我们调整我们的图片关于tensor数据的结构体，现在不是一个tensor需要存储，我们现在有包含这个tensor的变量，也能存储更多信息，当用户使用loss。backward（）需要更多信息

当我们送去cpu或cuda的时候，还有一些额外的部分在变量上，那个负责展开变量，底层实现 （绿色部分），重新包装变量和记录需要自动梯度的元数据为了反向传播

一些实现不能展开，他们只是调用了其他变量的实现。

3.代码

pytorc很多文件夹，真正需要了解的只有4个文件夹

1.torch/ 包含你们熟悉的，python模型 。这是python代码，容易修改，但是很多深层的都隐藏了
2.torch/csrc c++代码 pytorch底层代码，它实现了c++到python的转换代码，还有一些非常重要的，例如自动梯度 JIT编译器
3.aten/ tensor库的简称，C++库 实现tensor的操作，如果你寻找哪里有内核代码，就在这。aten分为2个部分，一是native，它是C+++实现的，另一个legacy ，这个遗留下的c实现的，这个部分太糟糕，不值得浪费时间
4.c10/ tensor 的实现和结构话数据存储

我们看看在实际怎么做代码分离的

例如torch.add ，实际上发生了什么。

1. 从python转为C++ （python argumen parsing）
2. 处理变量的部分（variabletype-type）这部分和编程语言无关，只是一个分发任务的小工具
3. 处理 device type、layout 的部分 （type） 不就上文的处理tensor的那个步骤
4. 这样我们就拿到了内核操作，要不是native 要不就是legacy的（th function）

每一步都对应一些代码，让我们看看把

开始的c++代码里用c实现python函数，像python暴露的接口是这种torch._C.VariableFunctions.add.THPVariable_add

这段代码是自动生成的，如果你在github搜索，你找不到这个，你必须build pytorch才能看到，你也没必要深入的理解这个代码在干嘛，我们只用大概浏览一下，弄懂他的意思。上面蓝色标注是重要的信息，你能看到PythonArgParser这个类从c++中提取python的参数。然后调用dispatch_add函数(我用红色);这会释放全局解释器锁，然后调用c++张量self.add的一个普通的旧方法。返回的过程把tensor包装成pyobject

当我们调用tensor类的add方法时，还没有发生vaiable部分 就是（上面的第二步）。相反，我们有一个内联方法，它在“Type”对象上调用一个方法。（也就是第三步）这个方法是实际的方法，这个方法的实现在TypeDefault，这个方法在任何设备都以一样。
如果在不同设备实现不一样，名称就不同，比如CPUFloatType::add.

这有点曲折，所以一旦你对将要发生的事情有了一些基本的了解，我建议直接跳到核心部分。

4. writing kernels

1.首先，我们编写了一些关于内核的元数据，这些元数据支持代码生成，并让您无需编写任何代码就可以获得对Python的所有绑定
2.然后，你获得这个kernel，你通过了第二步的 device\layout 的步骤。首先你要写下错误检测，确保输入的tensor是正确的尺寸
3.把结果tensor给变成输出结果大小
4.根据dype选择合适的kernel
5.大多数性能内核都需要某种程度的并行化，这样就可以利用多cpu系统。(CUDA内核是“隐式”并行化的，因为它们的编程模型是建立在大规模并行化的基础上的)。
6.最后，您需要访问数据并进行您想要进行的计算

写不下去了！ 后面有用到再看！！！！！！