转自：

 

torch.Storage是单个数据类型的连续的一维数组，每个torch.Tensor都具有相同数据类型的相应存储。他是torch.tensor底层数据结构,他除了像Tensor一样定义数值，还可以直接把文件映射到内存中进行操作，如果你使用的是pytorch神经网络，你不需要直接使用它们。中文文档地址：

 

注意：任何比一维数组更复杂的都需要用到张量。

torch.Storage主要有以下几种类型：

torch.FloatStorage([1,2,3,4,5])torch.ByteStorage([1,2,3,4,5])torch.ShortStorage([1,2,3,4,5])torch.IntStorage([1,2,3,4,5])torch.LongStorage([1,2,3,4,5])torch.FloatStorage([1,2,3,4,5])torch.DoubleStorage([1,2,3,4,5])torch.ShortStorage([1,2,3,4,5])

一、构造函数

• 你可以使用torch.FloatStorage()构造一个空的Storage，构造函数的数值是随机初始化的。
• 我们可以使用2种方法来构造torch.FloatStorage()并把它存入内存中

# 通过数组torch.FloatStorage([1,2,3,4,5])# 随机生成一个Storagetorch.FloatStorage(5)

二、torch.Storage的操作以及类型的转变

• torch.Storage包含多种操作例如：size()返回此存储转的大小,tolist()返回一个包含此存储中元素的列表等等，具体参考文档
• torch.FloatStorage()类型之间的转换,其实文档里有介绍，我这里给个例子：

a = torch.FloatTensor([1,2,3,4])print a.char()print a.long()

三、torch.Storage与torch.Tensor之间的转化

将Tensor转换为Storage非常简单，只需要storage()函数即可

import torcha = torch.FloatTensor([1,2,3,4])print a.storage()

它没有其他高级的用法，它是张量的一层。它可以共享多个张量的相同存储。或者更有效地处理一些操作。

 

 

torch.cuda()

转自：

 

 

 

 

 

 

 

 

 

 

 

 

 

1