torch.cuda.jiterator._create_jit_fn

torch.cuda.jiterator._create_jit_fn(code_string, **kwargs)

為元素級運算建立 jiterator 產生的 CUDA 核心。

程式碼字串必須是有效的 CUDA 函式，用於描述單一元素的計算。程式碼字串必須遵循 C++ 範本模式，如下範例所示。此函式將內嵌到元素級核心範本中，並即時編譯。編譯後的核心將快取在記憶體中，以及本機暫存目錄中。

Jiterator 產生的核心接受非連續張量，並支援廣播和類型提升。

參數

• code_string (str) – 要由 jiterator 編譯的 CUDA 程式碼字串。輸入函式物件必須依值傳回。

• kwargs (Dict, optional) – 產生函式的關鍵字引數

傳回類型

Callable

範例

code_string = "template <typename T> T my_kernel(T x, T y, T alpha) { return -x + alpha * y; }"
jitted_fn = create_jit_fn(code_string, alpha=1.0)
a = torch.rand(3, device='cuda')
b = torch.rand(3, device='cuda')
# invoke jitted function like a regular python function
result = jitted_fn(a, b, alpha=3.14)

code_string 也允許多個函數定義，並且最後一個函數會被視為入口函數。

範例

code_string = "template <typename T> T util_fn(T x, T y) { return ::sin(x) + ::cos(y); }"
code_string += "template <typename T> T my_kernel(T x, T y, T val) { return ::min(val, util_fn(x, y)); }"
jitted_fn = create_jit_fn(code_string, val=0.0)
a = torch.rand(3, device='cuda')
b = torch.rand(3, device='cuda')
# invoke jitted function like a regular python function
result = jitted_fn(a, b)  # using default val=0.0

Jiterator 可以與 Python 註冊一起使用，以覆寫運算子的 CUDA 核心。以下範例是使用 ReLU 覆寫 Gelu 的 CUDA 核心。

範例

code_string = "template <typename T> T my_gelu(T a) { return a > 0 ? a : 0; }"
my_gelu = create_jit_fn(code_string)
my_lib = torch.library.Library("aten", "IMPL")
my_lib.impl('aten::gelu', my_gelu, "CUDA")
# torch.nn.GELU and torch.nn.function.gelu are now overridden
a = torch.rand(3, device='cuda')
torch.allclose(torch.nn.functional.gelu(a), torch.nn.functional.relu(a))

警告

此 API 處於 Beta 階段，未來版本可能會變更。

警告

此 API 僅支援最多 8 個輸入和 1 個輸出

警告

所有輸入張量必須位於 CUDA 裝置中