小白学Pytorch系列-- Torch API (3)

小白学Pytorch系列-- Torch API (3)

Quasi-random sampling

SobolEngine是一个生成（加扰）Sobol序列的引擎。Sobol序列是低差异准随机序列的一个例子。

Sobol序列引擎的这种实现能够对最大维数为21201的序列进行采样。它使用来自https://web.maths.unsw.edu.au/~fkuo/sobol/使用搜索标准D（6）获得，直到维度21201。这是作者推荐的选择。

soboleng = torch.quasirandom.SobolEngine(dimension=5)
soboleng.draw(3)

Serialization

TORCH.SAVE

将对象保存到磁盘文件。

# Save to file
x = torch.tensor([0, 1, 2, 3, 4])
torch.save(x, 'tensor.pt')
# Save to io.BytesIO buffer
buffer = io.BytesIO()
torch.save(x, buffer)

TORCH.LOAD

从文件中加载使用torch.save()保存的对象。

torch.load('tensors.pt')
torch.load('tensors.pt', map_location=torch.device('cpu'))
torch.load('tensors.pt', map_location=lambda storage, loc: storage)
torch.load('tensors.pt', map_location=lambda storage, loc: storage.cuda(1))
torch.load('tensors.pt', map_location={'cuda:1':'cuda:0'})
with open('tensor.pt', 'rb') as f:
    buffer = io.BytesIO(f.read())
torch.load(buffer)
torch.load('module.pt', encoding='ascii')

Parallelism

TORCH.GET_NUM_THREADS

返回用于并行化CPU操作的线程数

TORCH.SET_NUM_THREADS

设置用于CPU上的内部并行的线程数。

TORCH.GET_NUM_INTEROP_THREADS

返回CPU上用于操作间并行的线程数（例如，在JIT解释器中）

TORCH.SET_NUM_INTEROP_THREADS

设置CPU上用于互操作并行性（例如，在JIT解释器中）的线程数。