pytorch算子torch.arange在CPU GPU NPU中支持數據類型格式

Posted on by

正文

CPU（Central Processing Unit）：中央處理器 GPU（Graphics Processing Unit）：圖形處理器 NPU（Neural Network Processing Unit）：神經網絡處理器，是基於神經網絡算法與加速的新型處理器總稱。

一、 torch.arange() 和 torch.range() 的用法

pytorch官網介紹：

torch.arange(start,end,step) 用於產生一個從start開始,到end結束（註意不包括end），步長為step的Tensor, 並且可以設置 Tensor 的 device 和 dtype

torch.arange 與 torch.range 功能及其相似，不同之處在於 torch.range(start,end,step) 生成的 Tensor, 包括 end

如：

a=torch.arange(1, 7, 2)
b=torch.range(1, 7, 2)
print(a)
print(b)

輸出：

tensor([1, 3, 5])
tensor([1., 3., 5., 7.])

但是建議使用 torch.arange ，因為 torch.range 即將被pytorch 移除：

二、 torch.arange 支持的數據類型格式

隻考慮 float 類型

cpu 不支持 float16，支持 float32 和 float64 cpu 支持 float16 、float32 和 float64 npu 不支持 float16 和 float64 ，隻支持 float32

事實上 npu 基本不支持所有的 64位類型，包括 int64 和 float64，與算子無關。當然cpu 是支持 16位數據類型的，隻是 torch.arange 不支持而已。

驗證代碼如下：

import torch
# CPU
a=torch.arange(1, 10, 2,device="cpu",dtype=torch.float16)    # 不可以
a=torch.arange(1, 10, 2,device="cpu",dtype=torch.float32)    # 可以
a=torch.arange(1, 10, 2,device="cpu",dtype=torch.float64)    # 可以
# GPU
a=torch.arange(1, 10, 2, device="cuda:0",dtype=torch.float16)    # 可以
a=torch.arange(1, 10, 2, device="cuda:0",dtype=torch.float32)    # 可以
a=torch.arange(1, 10, 2, device="cuda:0",dtype=torch.float64)    # 可以
# NPU
a=torch.arange(1, 10, 2, device="npu:0",dtype=torch.float16)    # 不可以
a=torch.arange(1, 10, 2, device="npu:0",dtype=torch.float32)    # 可以
a=torch.arange(1, 10, 2, device="npu:0",dtype=torch.float64)    # 不可以
print(a)

以上就是pytorch算子torch.arange在CPU GPU NPU中支持數據類型格式的詳細內容，更多關於pytorch算子支持數據類型格式的資料請關註WalkonNet其它相關文章！

推薦閱讀：