（二十六：2021.01.07）Pytorch1.7.1 API 全解读之《TORCH包》

讲在前面

针对pytorch 1.7.1进行一次全方位的解读，所以此博客会持续更新相当的一段时间。随后的博客会跟进torch的版本更新信息，其中能添加的实例代码我都会添加。

API

TORCH

这个包含了多维张量的数据结构和一些对于张量的数学操作。另外，提供了对张量和其他数据类型进行有效序列化的方法，还有些其他的方法。

1.Tensor（对张量本身进行的一些操作）

pytorch对于tensor的存储是一分为二的，一个创建好的张量，其头信息区叫作Tensor，负责存储tensor的形状、步长、数据类型等，其内部数据保存为数组，存储在存储区Srorage中。
所以，Tensor占用的内存较小，真正占用内存的地方是Storage。

1.1 is_tensor

• 函数源码解释：

def is_tensor(obj):
    r"""如果对象为PyTorch的张量，则返回True.

    Note that this function is simply doing ``isinstance(obj, Tensor)``.
    Using that ``isinstance`` check is better for typechecking with mypy,
    and more explicit - so it's recommended to use that instead of
    ``is_tensor``.

    参数:
        输入参数为要测试的对象
    """
    return isinstance(obj, torch.Tensor)

• 代码测试：

import torch
import numpy as np

a = np.ones([1, 2])
t = torch.from_numpy(a)

print(torch.is_tensor(a))
print(torch.is_tensor(t))
print(t)
-----------
False
True
tensor([[1., 1.]], dtype=torch.float64)

1.2 is_storage

• 函数源码解释：

def is_storage(obj):
    r"""如果对象是PyTorch storage的话.则返回True

    参数:
        测试对象
    """
    return type(obj) in _storage_classes

• 代码测试：

import torch

a = torch.rand(3, 5)
print(a)
print(a.storage())
print(type(a.storage()))
print(a.storage()[0])

x = a.storage()
print(torch.is_storage(x))
----------
tensor([[0.8754, 0.7499, 0.3954, 0.3763, 0.8578],
        [0.7598, 0.9750, 0.6963, 0.1602, 0.3442],
        [0.9445, 0.5585, 0.2020, 0.9230, 0.4736]])
 0.8753897547721863
 0.7498539090156555
 0.3954319953918457
 0.3762640357017517
 0.857833981513977
 0.7598322033882141
 0.9749904870986938
 0.6962557435035706
 0.16019368171691895
 0.34423667192459106
 0.9444983005523682
 0.5584731101989746
 0.20202845335006714
 0.9230412840843201
 0.473596453666687
[torch.FloatStorage of size 15]
<class 'torch.FloatStorage'>
0.8753897547721863
True

1.3 is_complex

• 函数源码解释：

def is_complex(input: Tensor) -> _bool: ...
r"""
判断输入张量是否为复数类型（torch.complex64或者torch.complex128），是则返回True。
"""

• 代码测试：

import torch

a = torch.tensor([1,