torch.utils.generate_methods_for_privateuse1_backend

torch.utils.generate_methods_for_privateuse1_backend(for_tensor=True, for_module=True, for_packed_sequence=True, for_storage=False, unsupported_dtype=None)

为自定义后端重命名 privateuse1 后端后，自动生成相应的属性和方法。

在默认情况下，不会自动生成与存储相关的属性。

当您为各种 PyTorch 操作实现内核，并将其注册到 PrivateUse1 dispatch key 时。调用函数 torch.rename_privateuse1_backend(“foo”) 来重命名您的后端名称。此时，您可以方便地调用此函数来注册特定的属性和方法。例如 torch.Tensor.foo()、torch.Tensor.is_foo、torch.Storage.foo()、torch.Storage.is_foo。

注意：我们建议您使用通用函数（检查设备是否相等或 to(device=)）。我们仅提供这些方法以方便使用，它们将被“猴子补丁”到对象上，因此不会被正确键入。对于存储方法生成，如果您需要支持稀疏数据存储，则需要自行扩展实现。

参数

• for_tensor (bool) – 是否为 torch.Tensor 类注册相关属性。

• for_module (bool) – 是否为 torch.nn.Module 类注册相关属性。

• for_storage (bool) – 是否为 torch.Storage 类注册相关属性。

• unsupported_dtype (List[torch.dtype]) – 仅在需要生成存储属性时生效，表示存储不支持 torch.dtype 类型。

示例

>>> torch.utils.rename_privateuse1_backend("foo")
>>> torch.utils.generate_methods_for_privateuse1_backend()
# Then automatically generate backend-related attributes and methods.
>>> a = torch.tensor(2).foo()
>>> a.is_foo
>>> hasattr(torch.nn.Module, 'foo')