torch.utils.dlpack

torch.utils.dlpack.from_dlpack(ext_tensor) → Tensor

將外部庫中的張量轉換為 torch.Tensor。

返回的 PyTorch 張量將與輸入張量（可能來自另一個庫）共享記憶體。請注意，原地操作因此也會影響輸入張量的資料。這可能導致意外問題（例如，其他庫可能具有隻讀標誌或不可變資料結構），因此使用者只有在確定沒問題的情況下才應執行此操作。

引數

ext_tensor（帶有 __dlpack__ 屬性的物件，或 DLPack capsule）–

要轉換的張量或 DLPack capsule。

如果 ext_tensor 是張量（或 ndarray）物件，它必須支援 __dlpack__ 協議（即，具有 ext_tensor.__dlpack__ 方法）。否則，ext_tensor 可以是 DLPack capsule，它是一個不透明的 PyCapsule 例項，通常由 to_dlpack 函式或方法生成。

返回型別

Tensor

示例

>>> import torch.utils.dlpack
>>> t = torch.arange(4)

# Convert a tensor directly (supported in PyTorch >= 1.10)
>>> t2 = torch.from_dlpack(t)
>>> t2[:2] = -1  # show that memory is shared
>>> t2
tensor([-1, -1,  2,  3])
>>> t
tensor([-1, -1,  2,  3])

# The old-style DLPack usage, with an intermediate capsule object
>>> capsule = torch.utils.dlpack.to_dlpack(t)
>>> capsule
<capsule object "dltensor" at ...>
>>> t3 = torch.from_dlpack(capsule)
>>> t3
tensor([-1, -1,  2,  3])
>>> t3[0] = -9  # now we're sharing memory between 3 tensors
>>> t3
tensor([-9, -1,  2,  3])
>>> t2
tensor([-9, -1,  2,  3])
>>> t
tensor([-9, -1,  2,  3])

torch.utils.dlpack.to_dlpack(tensor) → PyCapsule

返回一個表示張量的不透明物件（一個“DLPack capsule”）。

注意

to_dlpack 是一箇舊的 DLPack 介面。它返回的 capsule 在 Python 中除了作為 from_dlpack 的輸入外，不能用於任何其他用途。DLPack 更符合慣例的使用方式是直接在張量物件上呼叫 from_dlpack - 這適用於當該物件具有 __dlpack__ 方法時，PyTorch 和大多數其他庫現在確實具有此方法。

警告

對於透過 to_dlpack 生成的每個 capsule，只能呼叫一次 from_dlpack。多次使用同一 capsule 的行為是未定義的。

引數

tensor – 要匯出的張量

DLPack capsule 與張量的記憶體共享。