torch.from_file

torch.from_file(filename, shared=None, size=0, *, dtype=None, layout=None, device=None, pin_memory=False)

建立一個 CPU tensor，其儲存空間由記憶體對應檔案 (memory-mapped file) 支援。

如果 shared 為 True，則記憶體會在進程之間共享。所有變更都會寫入檔案。如果 shared 為 False，則對 tensor 的變更不會影響檔案。

size 是 Tensor 中的元素數量。 如果 shared 為 False，則檔案必須包含至少 size * sizeof(dtype) 位元組。如果 shared 為 True，則會在需要時建立檔案。

注意

只有 CPU tensor 可以對應到檔案。

注意

目前，無法在鎖頁記憶體 (pinned memory) 中建立儲存空間由記憶體對應檔案支援的 tensor。

參數

• filename (str) – 要對應的檔案名稱

• shared (bool) – 是否共享記憶體 (是否將 MAP_SHARED 或 MAP_PRIVATE 傳遞給底層的 mmap(2) 呼叫)

• size (int) – tensor 中的元素數量

關鍵字引數

• dtype (torch.dtype, optional) – 返回的 tensor 的所需資料類型。預設值：如果 None，則使用全域預設值 (請參閱 torch.set_default_dtype())。

• layout (torch.layout, optional) – 返回的 Tensor 的所需佈局。預設值：torch.strided。

• device (torch.device, optional) – 返回的 tensor 的所需裝置。預設值：如果 None，則使用預設 tensor 類型的目前裝置 (請參閱 torch.set_default_device())。對於 CPU tensor 類型，device 將為 CPU，對於 CUDA tensor 類型，則為目前的 CUDA 裝置。

• pin_memory (bool, optional) – 如果設定，則返回的 tensor 將分配在鎖頁記憶體中。僅適用於 CPU tensor。預設值：False。

範例：

>>> t = torch.randn(2, 5, dtype=torch.float64)
>>> t.numpy().tofile('storage.pt')
>>> t_mapped = torch.from_file('storage.pt', shared=False, size=10, dtype=torch.float64)