Tensor Attributes

• torch.dtype
• torch.layout

torch.dtype是表示torch.Tensor的数据类型的对象。PyTorch有八种不同的数据类型：

使用方法：

torch.device代表将torch.Tensor分配到的设备的对象。

torch.device包含一个设备类型('cpu'或'cuda'设备类型）和可选的设备的序号。如果设备序号不存在，则为当前设备; 例如，torch.Tensor用设备构建'cuda'的结果等同于'cuda:X',其中X是torch.cuda.current_device()的结果。

构造torch.device可以通过字符串/字符串和设备编号。

通过一个字符串：

>>> torch.device('cuda:0')
>>> torch.device('cpu')
device(type='cpu')
>>> torch.device('cuda')  # current cuda device
device(type='cuda')

通过字符串和设备序号：

torch.layout表示torch.Tensor内存布局的对象。目前，我们支持torch.strided(dense Tensors)并为torch.sparse_coo(sparse COO Tensors)提供实验支持。

torch.strided代表密集张量，是最常用的内存布局。每个strided张量都会关联 一个torch.Storage，它保存着它的数据。这些张力提供了多维度， 存储的strided视图。Strides是一个整数型列表：k-th stride表示在张量的第k维从一个元素跳转到下一个元素所需的内存。这个概念使得可以有效地执行多张量。

例：

>>> x = torch.Tensor([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])
>>> x.stride()
(5, 1)
>>> x.t().stride()
(1, 5)